回归 2017机器学习 李宏毅课程学习

  1. 回归问题场景
    股票预测,寻找函数f(t时间股票指数)=股票指数(t+1)
    自动驾驶,寻找函数f(传感器检测参数周围环境)=方向盘方向,驾驶速度
    推荐系统,寻找函数f(使用者a对商品b)=购买可能性,购买可能性大,就推荐
  2. 回归问题框架
    根据已知的输入,输出,寻找一系列函数f,使得损失函数最小,得到损失函数的参数,获得函数表达
    方法:利用梯度下降法寻找

    二参数的梯度下降

    3.正则化 防止模型过拟合
    使得模型简单化,不会过敏感,测试结果误差最小的拐点的参数值

  3. 调整学习率
    调整了学习率,两参数不同。问题使用ADAM优化器需要调整学习率吗?
浙ICP备19012682号