李宏毅深度学习笔记5 - 第一讲 回归问题（regression）

最新推荐文章于 2024-05-18 13:01:50 发布
最新推荐文章于 2024-05-18 13:01:50 发布
阅读量157 收藏
点赞数 1
文章标签： 深度学习 回归 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51681590/article/details/136839989
版权

regression的应用：

实例应用：预测神奇宝贝进化后的cp

（1）找一个模型

（2）模型评估

  

（3）选择最好的函数

对于用梯度下降法来优化参数

过拟合问题

第一个选择的model效果不太好，因此我们可以选择更复杂的model ，但是更复杂的模型可能会产生过拟合问题。

返回到最初我我们选择的模型，重新选择模型

把模型写成线性模型的形式如下

我们可以把想到的所以特征都加进去，但这样也容易产生过拟合问题。

正则化

我们可以重新定义loss函数来防止过拟合问题，这个方法叫做正则化（regularization）。

调整lamada可以调整曲线的平滑程度

胖好白
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
李宏毅深度学习教程LeeDL-Tutorial-v.1.0.5
01-10
该文档是台大《深度学习》课程，李宏毅老师的资料，更新版本的资料可去GitHub下载，地址：https://github.com/datawhalechina/leedl-tutorial
李宏毅老师2021深度学习课程笔记.pdf
10-08
2021春季李宏毅老师深度学习课程笔记（神经网络训练不起来处理方法+分类的数学原理）
李宏毅深度学习学习笔记 Task0
08-15
李宏毅深度学习课程笔记p12
【李宏毅机器学习笔记】6、简单介绍深度学习（Deep Learning）
01-06
【李宏毅机器学习笔记】1、回归问题（Regression） 【李宏毅机器学习笔记】2、error产生自哪里？ 【李宏毅机器学习笔记】3、gradient descent 【李宏毅机器学习笔记】4、Classification 【李宏毅机器学习笔记】5、Logistic Regression 【李宏毅机器学习笔记】6、简短介绍Deep Learning 【李宏毅机器学习笔记】7、反向传播（Backpropagation） 【李宏毅机器学习笔记】8、Tips for Training DNN 【李宏毅机器学习笔记】9、Convolutional Neural Network（CNN） ——————
台大李宏毅-深度学习2017-ppt.zip
03-06
深度学习ppt
李宏毅老师机器学习第二部分：回归问题
weixin_52836217的博客
10-12 609
本章主要包括了回归问题分析的相关知识，从模型建立开始然后进行不同模型的分析，然后引入损失函数与梯度下降，最后对于过拟合问题提出优化方法得到我们想要的回归模型。
【机器学习】李宏毅 - 02 回归
wyw970624的博客
10-12 292
线性回归；梯度下降；Sigmoid函数；深度学习
李宏毅机器学习课程--回归(Regression)
Cossper的博客
09-12 568
  近期在学习李宏毅老师的机器学习视频(https://www.bilibili.com/video/av10590361/?p=4),下面写一下自己的心得体会。   李老师用的是精灵宝可梦做的比喻，假设进化后的宝可梦的cp值(Combat Power)与未进化之前的宝可梦的cp值相关，我们想找出这两者之间的函数关系，可以设进化后的cp值为y,进化之前的cp值为x：y = b + w*x (不只...
李宏毅机器学习系列-回归
王伟王胖胖的博客
08-09 437
李宏毅机器学习系列-回归回归的介绍精灵宝可梦的例子定义模型给定训练集和损失函数选择最好的模型结果总结 回归的介绍 回归简单来说就是给了输入，然后输出是一个数值，比如下面举的几个例子。 预测股票，输入为以往的很多股票数据，输入是明天的股票指数： 自动驾驶，输入是很多传感器给的信号，比如测距的，摄像头目标检测的等等，输出的一部分可能就是方向盘的转角： 推荐系统，输入是以往购买的产品和用户，输出是购...
李宏毅机器学习（二）——回归案例分析 Regression Case Study（附上代码Python版本，Scala版本后续加上，见文尾另一博客）
不负如来不负卿
09-06 689
回归案例分析（按思路理解梳理一下）： 以pokemon来分析回归问题，预测poken的战斗力： 首先想到的是一个线性模型，wi表示权重，xi我们可以理解成特征，b是偏差。对于预测的数值我们可以写成sum(wi*xi)+b, 预测问题的评判我们可以看预测值与实际值的差距，具体我们可以表示如下图，损失函数为平方损失： 具体优化目标（没有加正则项）可以表示为： 接下...
李宏毅机器学习课程笔记——回归
hzyaaa123的博客
08-18 262
1、回归是什么 回归（Regression） 就是找到一个函数 function，通过输入特征 x，输出一个数值 Scalar。比较像我们常见的函数拟合。 2、回归的步骤 step1：模型假设，选择模型框架 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） 下面以李宏毅老师的课程中的宝可梦能力值的例子来对每个步骤进行分析。 2.1 模型选择 这里我们都选择线性模型进行分析。 2.1.1 单个特征 当选取单个特征时，以特征xcpx_{cp}x
李宏毅机器学习——回归
唐同学maydayz的博客
08-17 199
先给出回归的实际应用例子： 股票预测（stock market forecast） 自动驾驶（self-driving car） 推荐系统（recommendation） 接下来，我们将通过宝可梦进化的例子，来学习认识回归。 1.宝可梦进化的例子 setp1：选择模型——线性模型 b：表示偏移量 xi：表示各种特征，如生命值、体重、身高… wi：表示各种特征的权重 set2：找出最好的function——损失函数 首先，b和w都是未知数，所以在这个函数集合中，包含了成千上万个函数，那么我们
李宏毅机器学习-回归
qq_43689908的博客
01-12 268
回归：Regression 就是找到一个函数 function ，通过输入特征x，输出一个数值Scalar。 模型步骤 线性模型 y=b+∑wixi y=b+\displaystyle\sum w_ix_i y=b+∑wi​xi​ 判断模型的好坏 因为会得到一堆模型，怎么来判断模型的好坏呢，可以在定义一个损失函数 挑选最好的function 可以用到梯度下降 首先随机选取一个w之后计算梯度值，对w,b进行更新 当参数有多个的时候 在线性回归中，其实在线性模型里面都是一个碗的形状（山谷形状），是没有l
【机器学习】day2：回归（李宏毅）
elephant_my的博客
03-16 1415
1. 回归定义 Regression 就是找到一个函数 functionfunction ，通过输入特征 xx，输出一个数值 ScalarScalar。 2. 模型步骤 Step 1：模型假设 - 线性模型 Step 2：模型评估 - 损失函数 （1）收集和查看训练数据 （2）判断众多模型的好坏 Step 3：最佳模型 - 梯度下降 （1）筛选最优的模型（参数w，b） （2）梯度下降推演最优模型的过程 3. 步骤优化 Step1：重构模型 Step2：加入更多参数 Step3：加入正则化
李宏毅：回归
qq_42146775的博客
07-08 181
输出一个标量 接着上篇概述，我们来使用宝可梦进行回归的例子 首先函数的样子就是，输入进化前的梦可宝的cp值，输出进化后的cp值 之后我们规定线性方程范围，图中颜色深浅 我们使用 loss=∑(正确cp值−函数估计cp值)2loss=\sum(正确cp值-函数估计cp值) ^{2}loss=∑(正确cp值−函数估计cp值)2 90图中颜色代表 4.随机取初始值，计算偏微分，更新w，b参数，不断是loss最小（ 图中颜色越好loss越大，越蓝loss越小 ） 如果损失函数的方程式这样的，那么能不能达
李宏毅《机器学习》丨2. Regression（回归）
AXYZdong的博客
06-15 677
Datawhale组队学习，李宏毅《机器学习》Task2. Regression（回归）。
李宏毅机器学习笔记：回归
qq_43711697的博客
08-01 384
前言 本文是基于台湾李宏毅机器学习课程所记录下的笔记，本文主要关于回归内容进行了整理和总结 一、回归 回归案例 回归的应用层面有很多，比如股市房价预测，输入往年的股票房价数据输出未来的预期值；在自动驾驶方面也有所应用，输入传感器数据预测方向盘的角度，以及在商品推荐上等等。 二、回归模型 Step1 模型假设：线性模型 通过对输入特征数来进行线性模型的假设(这里介绍线性模型) Step2 损失函数 损失函数是判断模型的好坏，最简单的损失函数也是最常见的就是计算模型输出和真实标签之间的距
深度学习之基于YoloV5+LPRNet车牌识别系统
最新发布
2301_79809972的博客
05-18 924
一、项目背景与意义在智能交通管理系统中，车牌识别技术是一项至关重要的技术。随着车辆数量的不断增长和交通环境的日益复杂，对车牌进行准确、快速的识别已成为现代交通管理不可或缺的一部分。为了满足这一需求，本项目采用了先进的YOLOv5和LPRNet算法，结合深度学习技术，开发了一套高效的车牌识别系统。二、技术原理该系统基于深度学习和目标检测技术，整合了YOLOv5目标检测框架和LPRNet文本识别模型。YOLOv5算法在目标检测领域具有出色的性能，能够快速、准确地检测图像中的目标；
李宏毅深度学习笔记 pdf
09-06
### 回答1： 李宏毅教授所著的《深度学习笔记》pdf是目前深度学习领域中非常受欢迎的资源之一。...无论是想要学习深度学习的初学者，还是对深度学习有更进一步了解的专业人士，都应该阅读这本教材。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值