深入了解机器学习 (Descending into ML)

线性回归是一种找到最适合一组点的直线或超平面的方法。本模块会先直观介绍线性回归,为介绍线性回归的机器学习方法奠定基础。

深入了解机器学习

  • 您可以使用很多种复杂的方法从数据中学习
  • 但我们可以从简单且熟悉的内容入手
  • 从简单的内容入手可打开通往一些广泛实用方法的大门
过拟合其数据的模型

给定样本的 L2 损失也称为平方误差

= 预测值和标签值之差的平方

= (观察值 - 预测值)2

= (y - y')2

预测值与损失的图表

$$ L_2Loss = \sum_{(x,y)\in D} (y - prediction(x))^2 $$

\(\sum \text{: 我们对训练集中的所有样本进行求和。}\) \(D \text{: 有时取平均值也会有用,}\) \(\text{除以} \frac{1}{\|D\|}.\)