0.动手深度学习之预热——《判别模型》《梯度更新方式》
-
判别模型:
建模预测变量和观测变量之间的关系,也叫做条件模型
分为确定性判别模型和概率判别模型
-
线性判别模型:
-
一维的线性回归和二次回归:
线性和非线性的区别:参数θ为一次,则是线性,否则是非线性
-
二维的线性回归:
-
学习目标:
使预测值和观测值最接近。常用的损失函数——平方误差
优化目标是最小化整个训练集上的均方误差
判别模型:
建模预测变量和观测变量之间的关系,也叫做条件模型
分为确定性判别模型和概率判别模型
线性判别模型:
一维的线性回归和二次回归:
线性和非线性的区别:参数θ为一次,则是线性,否则是非线性
二维的线性回归:
学习目标:
使预测值和观测值最接近。常用的损失函数——平方误差
优化目标是最小化整个训练集上的均方误差