本文主要是介绍（2）李宏毅深度学习简介----回归，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

一、回归定义

找到一个函数，通过输入特征x，输出一个数值结果。

二、模型步骤

1. （what）模型假设，选择模型框架（线性模型）

2. （why）模型评估，如何判断众多模型（不同参数）的优劣（损失函数）

3. （how）模型优化，如何筛选最优的模型（梯度下降）

三、回归模型

1、线性回归：

• 一元线性回归
• 多元线性回归
• lasso回归
• 岭回归
• 弹性网络

2、非线性回归：

• 多项式回归
• 逐步回归
• 支持向量回归
• KNN回归

四、几个重要知识点

（之后会作为重点看）

梯度下降

损失函数

过拟合

正则化

五、一元线性回归

 六、回归实战

这篇关于（2）李宏毅深度学习简介----回归的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！