隐藏页面特效

回归问题及应用

主要内容:

线性回归

定义与问题引入
损失函数
梯度下降
过拟合与正则化

逻辑回归

定义与问题引入
损失函数
梯度下降与正则化

线性回归

有监督学习=>学习样本为D={(xi,yi)}Ni=1

多变量情形:

损失函数 loss function:

梯度下降:

其中α为步长,很大->震荡;很小->耗时太长

过拟合与欠拟合:

正则化:

逻辑回归

此图像和函数要记住:

简单的线性判定边界:

非线性判定边界:

损失函数:
这幅图说明这种损失函数不能得到想要的结果

因此采用该损失函数:

正则化:
上面公式是写在一起的损失函数,后面的是添加了正则化的函数。

梯度下降:

二分类和多分类问题:
很简单

算法应用经验:

七月在线学习笔记


__EOF__

本文作者techgy
本文链接https://www.cnblogs.com/techgy/p/12905627.html
关于博主:I am a good person
版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!
声援博主:如果您觉得文章对您有帮助,可以点击文章右下角推荐一下。您的鼓励是博主的最大动力!
posted @   AI未来10Y  阅读(304)  评论(0编辑  收藏  举报
编辑推荐:
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
阅读排行:
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· Manus的开源复刻OpenManus初探
· AI 智能体引爆开源社区「GitHub 热点速览」
· 从HTTP原因短语缺失研究HTTP/2和HTTP/3的设计差异
· 三行代码完成国际化适配,妙~啊~
点击右上角即可分享
微信分享提示