机器学习回归:宝可梦cp预测 |李宏毅机器学习【2】

该博客通过宝可梦的CP值预测问题,介绍了机器学习中的线性回归。首先,使用上一代CP值作为特征建立线性模型,并采用均方误差作为损失函数。接着,通过梯度下降法寻找损失函数最小化的最优参数,避免过拟合现象。随着模型复杂度提升,可能出现过拟合,此时可通过正则化来优化模型,平衡训练与测试数据的表现。文章深入浅出地讲解了梯度下降、过拟合和正则化等核心概念。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 问题:宝可梦cp值预测

step1:线性模型,输入feature为上一代的cp值

 step2: Loss Function(均方误差)

 参数w和b取不同值时的均方误差,紫色代表误差很小,红色代表误差很大:

 

step 3: Loss Function最小化(Gradient Descent),得到Best Function,可看作得到最优参数。

 

 梯度下降:梯度是上升最快的方向,负梯度就是下降最快的方向:

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值