李宏毅机器学习总结笔记2- regression(回归)和regularization(正则化)

本文介绍了回归(regression)的基本概念,包括其定义、模型选择及损失函数,并详细阐述了梯度下降法在寻找最优函数中的应用。此外,还探讨了正则化(regularization)的作用,即通过限制模型参数大小以达到更平滑的函数,避免过拟合。
摘要由CSDN通过智能技术生成

regression(回归)和regularization(正则化)


一,regression是什么
翻译:回归,输出一个数值的函数就叫regression,是机器学习的一种任务。
在这里插入图片描述

例子1输出明天股票的升涨数值,例子2输出方向盘应该转动多少角度,例子3输出购物者可能购买某件商品的可能性。

二,regression
step1:model
在这里插入图片描述
model就是要给他拟一条函数,可以考虑多少次方和考虑多少参数参与,这就是model。

step2:goodness of function(直译:函数的优度)
在这里插入图片描述
损失函数:实际与测试结果的偏差。

step3:best function

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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