李宏毅机器学习——回归

回归定义

Regression 就是找到一个函数 $Function$ ，通过输入特征 $x$ ，输出一个数值 $Scalar$ 。

模型步骤

Step 1: 模型假设
Step 2: 模型评估
Step 3: 模型优化

Step 1：模型假设

线性模型 Linear Model:

$y = b + w \cdot x_{i}$

Step 2: 模型评估

损失函数 Loss Function:

以线性模型为例：
$L(f)=\sum_{i=1}^{n}{(y_i - f(x_i))}^2$
$L(w,b)=\sum_{i=1}^{n}({y_i - (b + w \cdot x_i)})^2$

Step 3: 模型优化

找到使得损失函数最小的 $f^*$

$f^*=arg \min _f L(f)$

最小二乘法: 计算可能极为复杂
Example
$\left\{ \begin{array}{lr} \dfrac{\partial L}{\partial b} = 0 , \\ & \\ \dfrac{\partial L}{\partial w} = 0 & \end{array} \right.$

$\left\{ \begin{array}{lr} 2 \sum_{i=1}^{n}{(y_i-(b+w x_i))} = 0, \\ & \\ 2 \sum_{i=1}^{n}{(y_i-(b+w x_i))x_i} = 0 \end{array} \right.$

化简, 得
$\left\{ \begin{array}{lr} nb + w\sum_{i=1}^{n}x_i=\sum_{i=1}^{n}{y_i}, \\ & \\ b\sum_{i=1}^{n}x_i + w\sum_{i=1}^{n}{x_i^2}=\sum_{i=1}^{n}{y_i} \end{array} \right.$

$\left\{ \begin{array}{lr} b + w \bar x = \bar y, \\ & \\ b\bar x + w \bar{x^2} = \bar{xy} \end{array} \right.$

梯度下降

Example 1: $w^* = arg \min _{w} L(w)$
1. 随机选取一个初始点 $w^0$
2. 计算微分 , 判断移动方向
  
  其中为学习率
  - 大于0向右移动 (增加 $w$ )
  - 小于0向左移动 (减少 $w$ )
3. 计算微分 $\frac{\mathrm{d} L}{\mathrm{d} w} |_{w =w^2}$ , 继续更新 $w$
4. ....
5. 直至找到最低点
Example 2: $w^*, b^* = arg \min _{w, b} L(w, b)$
1. 随机选取 $w^0, b^0$
2. 计算偏微分 $\frac{\partial L}{\partial w} |_{w =w^0, b=b^0}$ , $\frac{\partial L}{\partial b} |_{w =w^0, b=b^0}$ , 根据学习率更新 $w, b$
3. ....
4. 直至找到最低点

Gradient Decent

梯度下降面临的挑战

Gradient Decent Challenges

更复杂的模型

N次线性模型

过拟合问题

优化：

融合不同参数的线性模型
加入更多特征
在损失函数中加入正则化项

实验

回归实验

参考资料

李宏毅机器学习笔记

李宏毅机器学习视频课

最后编辑于：2022.05.17 11:00:02

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 217,657评论 6赞 505
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 92,889评论 3赞 394
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 164,057评论 0赞 354
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 58,509评论 1赞 293
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 67,562评论 6赞 392
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 51,443评论 1赞 302
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 40,251评论 3赞 418
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 39,129评论 0赞 276
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 45,561评论 1赞 314
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 37,779评论 3赞 335
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 39,902评论 1赞 348
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 35,621评论 5赞 345
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 41,220评论 3赞 328
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 31,838评论 0赞 22
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 32,971评论 1赞 269
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 48,025评论 2赞 370
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 44,843评论 2赞 354