机器学习小白理解之一元线性回归

关于机器学习,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。

相关推荐
Z_W_H_1 分钟前
ArcGIS Pro/GeoScene Pro AI 助手 2.1
人工智能·arcgis·geoscene
意.远2 分钟前
在PyTorch中使用GPU加速:从基础操作到模型部署
人工智能·pytorch·python·深度学习
HelpHelp同学15 分钟前
信息混乱难查找?三步搭建高效帮助中心解决难题
大数据·人工智能·知识库管理系统
羑悻的小杀马特2 小时前
OpenCV 引擎:驱动实时应用开发的科技狂飙
人工智能·科技·opencv·计算机视觉
guanshiyishi5 小时前
ABeam 德硕 | 中国汽车市场(2)——新能源车的崛起与中国汽车市场机遇与挑战
人工智能
极客天成ScaleFlash6 小时前
极客天成NVFile:无缓存直击存储性能天花板,重新定义AI时代并行存储新范式
人工智能·缓存
Uzuki6 小时前
AI可解释性 II | Saliency Maps-based 归因方法(Attribution)论文导读(持续更新)
深度学习·机器学习·可解释性
澳鹏Appen7 小时前
AI安全:构建负责任且可靠的系统
人工智能·安全
蹦蹦跳跳真可爱5897 小时前
Python----机器学习(KNN:使用数学方法实现KNN)
人工智能·python·机器学习
视界宝藏库8 小时前
多元 AI 配音软件,打造独特音频体验
人工智能