深度学习 概念词汇 解释
发布于 2 个月前 作者 pangguoming 114 次浏览 来自 分享
  • 预测函数

  • 线性回归

(Linear regression)统计学概念,是一种利用线性函数对自变量(特征)和因变量之间的关系进行建模的方法。线性回归是机器学习中一种广泛使用的基本回归算法。含有有多个特征的线性回归称为多元线性回归。 image.png

  • 最小二乘法

(Least Squares Method)是一种数学优化技术,主要用于估计模型参数,它通过最小化误差的平方和来寻找数据的最佳函数匹配。这种方法在统计学、系统辨识、数据拟合等多个领域有着广泛的应用。

  • 代价函数

预测函数经过最小二乘法就得到代价函数,求代价函数0值就是要解决的问题

  • 损失函数

代价函数就是损失函数

  • 梯度下降

梯度下降是求代价函数0值的解决方案,可得到一组概率分布数据

  • 过拟合

过拟合(Overfitting)是指在机器学习中,模型在训练集上表现较好,但在测试集或实际应用中表现较差的现象。过拟合发生时,模型过于复杂地学习了训练集中的噪声、异常值或特定模式,从而导致对新样本的泛化能力下降。 参考 机器学习中的过拟合现象及其解决方法

回到顶部