Datawhale 深度学习task02 --- 回归

回归可以做什么

• 股票预测：输入是股票信息，输出的是明天的Dow Jones Industrial
• 无人车驾驶：输入是各种tensor，输出是方向盘角度
• 推荐系统：输入是使用者A和商品B，输出是购买的可能性

机器学习的三个步骤

Step1：Model

• 假设是 y = b + w * $x_{cp}$ 用其来代表这一系列function的集合
• 那么这一系列的function就可以为：f1: y = 10.0 + 9.0 *$x_{cp}$ 或 f2: y = 9.8 + 9.2 *$x_{cp}$等等
• Linear Model: y = b + $\sum w_i{x}_i$
  • $x_i$: an attribute of input x (feature)
  • $w_i$: weight
  • $b$: bias

Step2：Goodness of Function

• 需要有一个training data，然后通过loss function来定义Function f的好坏
• Loss function L：input: a function, output: how bad it is
  • L(f) = L(w,b) 所以可以说Loss function L是在衡量一组参数w和b的好坏

Step3：Best Function

• $f?=argmi{n}_{f}L(f)$
  
• Gradient Descent
  
• 在Linear Model是没有Local optimal的
  
• 过拟合
  • A more complex model does not always lead to better performance on testing data
• 正则化