天津市网站建站制作,织梦网站博客模板,批量 网站标题,论坛seo网站线性回归
什么是线性回归
3.1. 线性回归 — 动手学深度学习 2.0.0 documentation (d2l.ai)
模型 损失函数
模型拟合#xff08;fit#xff09;数据之前#xff0c;我们需要确定一个拟合程度的度量。 损失函数#xff08;loss function#xff09;能够量化目标的实际值…
线性回归
什么是线性回归
3.1. 线性回归 — 动手学深度学习 2.0.0 documentation (d2l.ai)
模型 损失函数
模型拟合fit数据之前我们需要确定一个拟合程度的度量。 损失函数loss function能够量化目标的实际值与预测值之间的差距。通常我们会选择非负数作为损失且数值越小表示损失越小完美预测时的损失为0。回归问题中最常用的损失函数是平方误差函数。
解析解
线性回归的解可以用一个公式简单地表达出来 这类解叫作解析解analytical solution。像线性回归这样的简单问题存在解析解但并不是所有的问题都存在解析解。 解析解可以进行很好的数学分析但解析解对问题的限制很严格导致它无法广泛应用在深度学习里。
随机梯度下降
即使在我们无法得到解析解的情况下我们仍然可以有效地训练模型。 在许多任务上那些难以优化的模型效果要更好。 因此弄清楚如何训练这些难以优化的模型是非常重要的。
本书中我们用到一种名为**梯度下降gradient descent**的方法 这种方法几乎可以优化所有深度学习模型。 它通过不断地在损失函数递减的方向上更新参数来降低误差。
用模型进行预测
给定“已学习”的线性回归模型wxb 现在我们可以通过房屋面积x1和房龄x2来估计一个未包含在训练数据中的新房屋价格。 给定特征估计目标的过程通常称为预测prediction或。
从线性回归到深度网络
线性回归可以看成是一个单层网络 实战
在了解线性回归的关键思想之后我们可以开始通过代码来动手实现线性回归了。
流程如下
生成数据读取数据初始化模型参数定义模型定义损失函数定义优化算法训练验证
具体代码如下
3.2. 线性回归的从零开始实现 — 动手学深度学习 2.0.0 documentation (d2l.ai)
hapter_linear-networks/linear-regression-scratch.html)
