《机器学习项目案例开发》课件 13使用简单线性回归预测广告收入-模型训练.pptx

人工智能技术与应用1.3使用简单线性回归预测广告投入的收入-模型训练

课程概况—基本情况PART01模型训练开发流程

处理流程-线性回归线性回归模型：简单线性回归也称为一元线性回归，也就是回归模型中只含一个自变量，否则称为多重线性回归。简单线性回归模型为：y=a*x+b有时候也可这样表述y=weight*x+bias，其中weight-权重，bias-偏置值。我们需要根据给定的y-企业的收入和x-企业的广告收入，去预测w和b，最终得到一个一元线性方程，通过这个方程，可以预测出企业投入的广告资金大概可以获得多大的收益，

处理流程-lossfunction损失函数：目标函数是整个模型优化学习的核心导向，需要最小化目标函数时，目标函数也被称为损失函数或代价函数。最常用的两个损失函数MSE与交叉熵就是分别用于回归与分类任务。

处理流程-lossfunction损失函数：这里使用的MES均方差函数MSE求导后计算量不大，最为常用，代码实现简单，甚至不需要调接口。

处理流程-lossfunction损失函数：可以自己先设置一个weight和bais，计算得到一个loss绘制当前weight和bais的图形

处理流程-梯度下降?

处理流程-梯度下降梯度下降：首先来看看梯度下降的一个直观的解释。比如我们在一座大山上的某处位置，由于我们不知道怎么下山，于是决定走一步算一步，也就是在每走到一个位置的时候，求解当前位置的梯度，沿着梯度的负方向，也就是当前最陡峭的位置向下走一步，然后继续求解当前位置梯度，向这一步所在位置沿着最陡峭最易下山的位置走一步。这样一步步的走下去，一直走到觉得我们已经到了山脚。当然这样走下去，有可能我们不能走到山脚，而是到了某一个局部的山峰低处。

处理流程-梯度下降?

处理流程-梯度下降梯度下降：定义梯度下降函数，使用梯度下降函数来去推导weight和bias值

处理流程-训练模型训练模型：模型训练首先给iteration-梯度迭代次数、alpha-步长、weight-权重系数、bias-偏置值三个参数进行初始化，同时也计算一个初始的损失值。

处理流程-训练模型绘制模型图像：得到weight_history,bias_history后我们可以取出最终得到的weight和bias值绘制最终得到的图像。

处理流程-训练模型绘制损失曲线：我们可以通过绘制损失曲线显示损失下降的过程

敬请指导！