機器學習自學筆記02: Regression: Case Study for ML

免費閱讀文章：機器學習自學筆記02: Regression: Case Study for ML

今日的課程來自於: https://youtu.be/CXgbekl66jc
參考筆記:https://github.com/Sakura-gh/ML-notes/blob/master/1_Introduction.md

這堂課老師用現有數據預測寶可夢的進化後CP值

Scenario: 根據已有的 data 來確定 scenario，我們的 data是 labeled，使用Supervised Learning

Task: 根據我們想要 function 的輸出類型決定 task ，我們預期得到是寶可夢進化後的 cp值，是一個 scalar ，因此使用的是 Regression

Model: 模型的選擇很多，這邊使用 Linear model

回顧一下machine learning 的三個步驟

1. define a set of function
   定義一個function set (A set of function=Model)
2. goodness of function
   讓machine可以衡量這個function 好不好
3. pick the best function
   有一個好的演算法可以挑出最好的function

Step1: Model (function set )

如何挑選一個function 的模型呢? 基本上沒有明確的思路，只能憑經驗嘗試，而這邊使用linear model 。

Linear Model 線性模型

y 代表進化後的cp 值，Xcp 為進化前的cp值，w和b代表未知的參數。
y=b+w * Xcp 這個抽象的是式子就叫做model，是以上這些具體化的function 的集合，即function set 。
實際上這是一種 Linear Model ，但只考慮了寶可夢進化前的cp值，因而我們可以將其擴展為:

Xi: an attribute of input X (Xi is also called feature ，即特徵值)
Wi: weight of xi
b: bias

Step2: Goodness of Function

參數說明:
x^i: 用上標表示一個完整的object的編號，i表示第i隻可夢(下標表示該object中的component)
y^i: 用 y…