第一章 回归模型分析

第一章 回归模型分析

1.1 回归模型的主要内容及其一般模型

1.2 建立实际问题回归模型的过程

1.3 课程主要内容

1.4 机器学习主要流程

(一)定义问题

• ➢判断是否有人脸(目标检测，分类问题)
• ➢判断性别(分类，输出变量离散)
• ➢判断年龄(回归，输出变量连续)

(二)收集数据

• ➢大量的照片数据
• ➢标注信息
  • ➢是否是人脸
  • ➢性别
  • ➢年龄

(三)特征设计

• 特征: 给定数据集的特性

  • ➢统计理解: 指标、概括性的统计量等
  • ➢数学理解: 变量及其数学变换等

• 例如

  • ➢目标检测: 图像中的各种轮廓和边缘信息
  • ➢判断性别和年龄: 脸型、发型、眼镜大小、鼻子形状
  • ➢文字处理: 单词、符号、词频、长度

(四)训练模型

• ➢对象: 在训练集上进行
• ➢任务: 通常是调整拟合模型的参数
• ➢目标: 拟合的总体偏差最小
• ➢通常需定义各种损失函数
• ➢技术:
  • ➢传统: 基于数理统计，各种统计量
  • ➢现代: 基于数值计算和优化技术

(五)测试模型

• ➢对象: 在测试集上进行
• ➢实现: 交叉验证、自助法等