iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 4
0
Google Developers Machine Learning

文組腦的機器學習異想世界系列 第 4

【Day4】文組腦繼續理解線性迴歸

  • 分享至 

  • xImage
  •  

哈囉大家好!!
今天我要介紹機器學習的歷史,它的發展是從機器學習的演算法線性回歸、決策樹或隨機森林開始,接著來到神經網絡,最後達到深度學習神經網絡,那讓我們從線性回歸開始說起吧!

線性回歸一開始用來預測自然現象,像是預測行星的運動或是物種的差別(父母會不會生出更高的下一代?),那個年代計算能力有限,因此,人們還沒有意識到一旦我們擁有夠大的數據集會發揮得更好。

線性回歸的公式是y = w0乘以x0 + w1乘以x1加w2乘以x2依此類推,w是權重(特徵),這個方程式不僅用在線性回歸,也用在深度神經網絡等其他機器學習模型,我們決定權重好不好的方式是建立一個損失函數,損失函數是均方誤差,用來計算標籤和預測的差異,最後使用梯度下降演算法找到最好的權重。

今天說完線性回歸,明天我將帶大家繼續認識ML的感知器(perception),那我們明天見!


上一篇
【Day3】文組腦繼續理解ML機器學習中的「分類」
下一篇
【Day5】文組腦來講講感知器模型
系列文
文組腦的機器學習異想世界30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言