今天的內容會帶大家了解
1. 了解機器學習的原理
2. 機器學習的模型是如何訓練出來的
3. 過擬合 (Overfitting) 是甚麼,該如何解決
機器學習原理:一個機器學習模型中會有許多參數 (parameters),例如線性回歸中的 weights 跟 bias 就是線性回歸模型的參數
而當我們輸入一個 x 進到模型中,不同參數的模型就會產生不同的 ŷ
過擬合 (Over-fitting) : 模型的訓練目標是將損失函數的損失降至最低
也代表模型可能學習到資料中的噪音,導致在實際應用時預測失準
解決過擬合:增加資料量、降低模型複雜度、使用正規化 (Regularization)、欠擬合
增加模型複雜度、減輕或不使用正規化
有了大概的理解之後,我們開始今天的學習吧!!!