机器学习4-模型迭代

4年前更新

3440

【摘要】在训练机器学习模型时，首先对权重和偏差进行初始化猜测，然后反复调整这些猜测参数（权重和偏差），直到获得损失可能最低时的，权重和偏差。

前言

在训练机器学习模型时，首先对权重和偏差进行初始化猜测，然后反复调整这些猜测参数（权重和偏差），直到获得损失可能最低时的，权重和偏差。

训练模型的迭代方法

机器学习算法用于训练模型的迭代试错过程：

“模型”部分将一个或多个特征作为输入，然后返回一个预测（ $y^{'}$ ）作为输出。

为了进行简化，不妨考虑采用一个特征，并返回一个预测的模型：

$y^{'} = b + w_{1}x_{1}$

需要考虑为和 $w_{1}$ 设置哪些初始值？对于线性回归问题，事实证明初始值并不重要。（注意：如果是其他模型初始化值可能很重要，具体模型具体处理）。我们可以随机初始化，或者采用以下这些无关紧要的值：

= 0
$w_{1}$ = 0

假如第一个特征值是10，将该特征值代入预测函数会得到以下结果：

  y' = 0 + 0(10)
  y' = 0

© 版权声明

文章版权归作者所有，未经允许请勿转载。

THE END

喜欢就支持一下吧

相关推荐