机器学习深入与强化--回归分析与工程应用

线性回归与逻辑回归 主要是三个概念：损失函数、梯度下降、过拟合与正则化 1、线性回归——连续值变量的预测 学习率太小，收敛很慢；学习率太大，可能会震荡。 过拟合：参数过多，导致失去一般性 解决过拟合的评价问题，对损失函数进行正则化：损失函数不仅考虑预测值与真实值的误差，还考虑到参数θ （过拟合时，因为曲线会尽可能多的穿过所有的点，使得曲线弯弯曲曲，十分不平滑，会导致参数θ相对比较大，这样才能扭转之

>>阅读原文<<