数据挖掘 NO.1 数据挖掘入门

原创已于 2022-04-26 22:16:41 修改 · 344 阅读

·

0

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

于 2019-07-01 15:29:52 首次发布

本文深入解析机器学习中代价函数的概念及其在训练模型中的作用，阐述了如何通过梯度下降算法更新参数以最小化代价函数，同时讨论了数据集划分的重要性以及解决过拟合问题的方法。

1.机器学习
在这里插入图片描述

在这里插入图片描述

代价函数：
m是样本数量
在这里插入图片描述

在这里插入图片描述

直到最后得到的值收敛或者样本使用完。

1.定义代价函数
2.对每个参数求偏导数
3.使用梯度下降算法更新。

在这里插入图片描述
数据集先开始进行划分

解决OVERFITTING，
1.在测试集评估模型
2.Regelization
加入惩罚项，λ是惩罚系数（惩罚力度）即做正则
L2 就是平方和的形式。
在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。