概述
回归
Regression就是找到一个函数function，通过输入x，输出一个连续值y
模型步骤
- step1：模型假设
- 选择模型框架（线性模型，即Linear model）
- 注意：
- 线性模型不等价于线性函数，前者包含后者
- 线性模型不存在local minima的情况
- step2：模型评估
- 如何判断众多模型的好坏（损失函数，即Loss function）
- step3 ：模型优化
- 如何筛选最优的模型（梯度下降，即Gradient descent）
过拟合现象及优化
当我们在不断优化模型的过程中，将训练集数据本身的一些特征当做整个模型的普遍特征时，容易出现在训练集上的误差比较小，而在测试集上的误差比较大，这种情况就叫做过拟合现象。当然，与之对应的还有欠拟合现象。
优化方案
- 方案1：2个input的四个线性模型合并到一个线性模型中
- 方案2：希望模型更强大表现更好（引入更多参数，更多input）
- 方案3：加入正则化
总结
李老师的讲述让我对回归及其应用、梯度下降、过拟合及其优化有了近一步的了解。
最后
以上就是粗暴灰狼为你收集整理的Datawhale-李宏毅深度学习Day2回归模型步骤过拟合现象及优化总结的全部内容，希望文章能够帮你解决Datawhale-李宏毅深度学习Day2回归模型步骤过拟合现象及优化总结所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复