回归概述
**定义:**找到一个(连续)function,根据输入特征x,得到输出数值scalar。
**应用:**股市预测、自动驾驶(路况、车距–>方向盘角度)、商品推荐(商品A、B特征–>购买B的概率)
模型步骤
1、模型假设,选择模型框架(线性模型)
2、模型评价,判断模型的好坏(损失函数)
3、模型优化,筛选最优的模型(梯度下降)
模型假设
线性模型
模型评估
损失函数loss function:
下标表示组成component,上标表示样本的编号
梯度下降
**学习率:**参数更新的幅度
**梯度下降:**根据函数再抹点梯度的方向决定该点移动方向及步幅(梯度下降容易找到local min,但线性模型无局部最优解。所以找到的解即为全局最优)
具体步骤:
①随机选取一个初始点w0
② 计算微分,也就是当前的斜率,根据斜率来判定移动的方)
③根据学习率移动