機器學習
- 任務:找到一個function
- 步驟:
①模型
②代價函數
③找到最好function
局部最優,不一定是全局最優。跟起始位置有關。如上圖,從左邊起,微分爲零找到的是局部最優;從右邊起,微分爲零找到的是全局最優。
兩個參數的情況如下,分別計算偏微分,一步步修正兩個參數。
注意,鞍點是微分是零但不是極值的點。還有,特別平滑的地方可能會被誤以爲是極值點附近了,停止更新。(線性迴歸問題不必擔心)
偏微分的計算
迴歸分析
迴歸分析,輸出一個數值
demo
Python
jupyter notebook,matplotlib繪圖
結果
過擬合現象,複雜的模型不一定總是可以給出很好的擬合。
過擬合。
重新設計模型
考慮到寶可夢的種類因素的影響,重新設計模型。
衝擊函數(多因素)
根據猜測將可能有關的因素丟進模型中,CP、HP、W、H等。
結果,過擬合了。
正則化(平滑函數)
輸入的變化並不會太大的影響輸出,即爲平滑。在多數情況下,平滑的函數更有可能是正確的。