By 李宏毅老师
2.1.1 Пример регрессии
- Прогноз фондового рынка: f{исторические данные о ценах на акции} –> завтрашний промышленный индекс Доу-Джонса для этой акции.
- Самоуправляемый автомобиль:f{какие препятствия обнаруживают цензоры} -› Угол наклона автомобиля регулируется (рулевое колесо)
- Рекомендация: f{ пользователь, купивший товар a} -› возможность покупки товара b
2.1.2. Три этапа машинного обучения
- Найдите модель (=набор функций)
- Оцените функции
- Выберите лучшую функцию
👇👇👇 Подробнее
Шаг 1. Модель
w и b — это параметры
x: атрибут input x -›feature
ж: вес
б: предвзятость
Шаг 2. Качество функционирования 拟合度
y hat: реальное точное значение
Функции потерь (L): оценка y на основе функции
ввод: функция, вывод: насколько это плохо
Шаги градиентного спуска
- выбрать начальное значение, рассчитать вес
- вычислить соответствующий наклон тангенса(切线斜率)
Оценка градиентного спуска
- если наклон = отрицательный, увеличьте вес
- если наклон = положительный, уменьшить вес
- Резюме: Двигайтесь вперед в том направлении, где меньше потерь
2 параметра градиентного спуска
dw: чем острее dw (微分值:梯度越陡), тем больше размер шага
(red n) скорость обучения: чем больше скорость обучения, тем эффективнее/быстрее машина обучается
*локальный оптимум не лучший вариант (不是最优解)
*глобальный оптимальный – это лучший
*локальный оптимум не существует в линейной регрессии
Как результат? — Обобщение
Обобщение относится к способности вашей модели адаптироваться должным образом к новым, ранее неизвестным данным, взятым из того же распределения, котороеиспользовалось для создать модель.
Что нас действительно волнует, так это ошибка в новых данных (данные тестирования).
if avg(ошибка данных тестирования) › avg(ошибка данных обучения)
Как мы можем улучшить работу?
выбрать другую модель
т. е. следует учитывать виды, помимо значения cp.
Чем меньше wi, тем менее чувствителен выход -> функция будет более плавной
- Смещение влияет на местоположение (上下移动)и не влияет на сглаживание. Таким образом, смещение не учитывается на этапе регуляризации.
Ссылка
https://github.com/Sakura-gh/ML-notes/blob/master/ML-notes-md/2_Regression%20Case%20Study.md