机器学习
- 任务:找到一个function
- 步骤:
①模型
②代价函数
③找到最好function
局部最优,不一定是全局最优。跟起始位置有关。如上图,从左边起,微分为零找到的是局部最优;从右边起,微分为零找到的是全局最优。
两个参数的情况如下,分别计算偏微分,一步步修正两个参数。
注意,鞍点是微分是零但不是极值的点。还有,特别平滑的地方可能会被误以为是极值点附近了,停止更新。(线性回归问题不必担心)
偏微分的计算
回归分析
回归分析,输出一个数值
demo
Python
jupyter notebook,matplotlib绘图
结果
过拟合现象,复杂的模型不一定总是可以给出很好的拟合。
过拟合。
重新设计模型
考虑到宝可梦的种类因素的影响,重新设计模型。
冲击函数(多因素)
根据猜测将可能有关的因素丢进模型中,CP、HP、W、H等。
结果,过拟合了。
正则化(平滑函数)
输入的变化并不会太大的影响输出,即为平滑。在多数情况下,平滑的函数更有可能是正确的。