一个网站做十个二级域名,郑州小程序开发报价,吸引人的软文,央视新闻今天的内容关于机器学习#xff0c;百度上一搜一大摞#xff0c;总之各有各的优劣#xff0c;有的非常专业#xff0c;有的看的似懂非懂。我作为一名机器学习的门外汉#xff0c;为了看懂这些公式和名词真的花了不少时间#xff0c;还因此去着重学了高数。
不过如果不去看公式百度上一搜一大摞总之各有各的优劣有的非常专业有的看的似懂非懂。我作为一名机器学习的门外汉为了看懂这些公式和名词真的花了不少时间还因此去着重学了高数。
不过如果不去看公式而只去理解机器学习要干的事情那么就比较容易看懂如何去理解那些公式和专有名词了下面我以我的一些拙见来理解一下机器学习全程无公式只有理解。
一、假设一个场景
有好多好多珠子要用签子一口气串起来但不能动珠子你只能选一个趁手的签子能尽量多的把珠子串起来你会选哪个插签子的动作必须要帅只能如下动图的插法 答案
很显然我们要选又细又长的签子去插这些珠子因为这些珠子很明显排的还算整齐用直直的签子很容易多插到几个。
而这个过程就是需要查看数据样本来确定函数拟合大概是一个怎么样的函数我们这里就是一个简单的线性函数。
二、插签子
接下来我们就是进行插签子的环节如果插签子的人很笨他第一下插下去变成了下面这样 这也太笨了吧差那么多嗯这就是欠拟合差的太大了完全插不到一个。
第二次尝试插成了这个样子 嗯比第一次好多了再来一次 很好越来越接近了再来一次 完美这次可以说插的非常漂亮所以这个插的过程有人叫它梯度下降就是为了让签子插过足够多的珠子。
三、大力出奇迹
如果有人大力得很签子柔韧性又好就插成了下面这样 插得很好签子把每个珠子的圆心都过了但签子歪了这就叫过拟合。
四、插签子的角度
在寻找插签子的角度时我们是通过签子与每个珠子的距离来做判断的
每一次签子和珠子的距离越来越近是靠肉眼去看的换到公式中就是我们的代价函数Cost Function。
五、总结
以上就是一元线性回归的理解作为机器学习的入门一元线性回归是最基础也最基本的。当然文中的签子只是用来串现有的珠子而真正的线性回归使用是为了预测结果上文的场景只是为了表现一元线性回归的思路。
接下来有机会再讨论其他机器学习的内容通过假设场景来描述机器学习的过程然后再去看其他更权威的文章那些公式可能就更容易理解了。
