機器學習深入與強化--迴歸分析與工程應用

線性迴歸與邏輯迴歸 主要是三個概念：損失函數、梯度下降、過擬合與正則化 1、線性迴歸——連續值變量的預測 學習率太小，收斂很慢；學習率太大，可能會震盪。 過擬合：參數過多，導致失去一般性 解決過擬合的評價問題，對損失函數進行正則化：損失函數不僅考慮預測值與真實值的誤差，還考慮到參數θ （過擬合時，因爲曲線會盡可能多的穿過所有的點，使得曲線彎彎曲曲，十分不平滑，會導致參數θ相對比較大，這樣才能扭轉之

>>阅读原文<<