机器学习task02回归

内容概括

本部分主要介绍了回归的定义以及回归的步骤，偏向于实用性，未进行数学类推导。

主要内容

1. 回归定义
   通过已有数据找到一个最佳函数，然后进行预测，预测结果为一个连续性数值。
   预测结果为连续性也是和分类的区别。
2. 回归步骤
   • step1：模型假设，选择模型框架（线性模型）
   • step2：模型评估，如何判断众多模型的好坏（损失函数）
   • step3：模型优化，如何筛选最优的模型（梯度下降）
3. 过拟合问题
4. 引入正则项来避免过拟合（即岭回归和LASSO回归）
   
   ---------------本文仅用作个人回忆。