码迷,mamicode.com
首页 > 其他好文 > 详细

深度学习基础---线性回归

时间:2020-09-08 21:06:31      阅读:60      评论:0      收藏:0      [点我收藏+]

标签:深度   bat   bec   san   就是   png   static   mon   根据   

1. 模型定义 ---将问题转化为数学公式建模

模型就是一个数学公式,例如技术图片  

w表示权重,b表示偏差,yhat表示预测值≠标签

2. 模型训练 -- 调整最终参数的过程

1. 训练数据(训练集,样本,标签--真实值,特征--用来预测标签的因素x1,x2)

2. 损失函数(衡量标签(真实值)与预测值之间的误差--->衡量模型的质量,一般为非负)

  平方损失函数技术图片

       模型训练中,根据损失函数找出一组模型参数w,b使损失最小

3. 优化算法

  1. 解析解:误差最小化问题的解直接用公式表示(大多数不适用)

  2. 数值解:通过优化算法有限次的迭代降低损失值的这类解

         技术图片

 

  超参数:人为设定,非模型训练出来的 ,其中技术图片代表batch size(批量大小),技术图片 称作学习率 

     调参值得是调节超参数

3.模型预测 (利用最优的模型参数去估计新的房屋价格)

4. 线性回归的表示方法

  1. 神经网络表示

  技术图片

  其中,输入层为特征值, 输出层为预测值,  神经元--利用输入层计算输出层的计算表示一个神经元,全连接层(稠密层)--表示利用所有的特征值去计算输出

 

  2. 矢量计算表达式(也就是矩阵表示)

 

5. 总结: 线性回归是一个单层的神经网络模型,也是一个全连接层,计算时尽量使用矢量计算表达式 效率会高几个量级

 

深度学习基础---线性回归

标签:深度   bat   bec   san   就是   png   static   mon   根据   

原文地址:https://www.cnblogs.com/irisinsnow/p/13579447.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!