Bỏ qua điều hướng
EN
Tất cả bài viết

Machine Learning nhập môn: hồi quy tuyến tính, gradient descent và overfitting

Mô hình ML đầu tiên, viết tay bằng NumPy rồi bằng scikit-learn: hàm mất mát MSE, gradient descent theo batch và mini-batch, chia train/validation/test, overfitting–underfitting, hồi quy đa thức và regularization Ridge/Lasso.

10 phút đọc

Ôn tập bài nàyPROThẻ ghi nhớ & câu hỏi ôn tập6 thẻ ghi nhớ · 6 câu trắc nghiệm

Machine Learning là viết chương trình mà quy tắc không do người viết, mà được học từ dữ liệu. Thay vì tự nghĩ công thức giá nhà, ta đưa cho máy hàng nghìn căn nhà đã bán và để nó tự tìm công thức.

Hồi quy tuyến tính là mô hình đơn giản nhất, nhưng chứa đủ mọi khái niệm cốt lõi: mô hình, hàm mất mát, tối ưu hoá, đánh giá, overfitting, regularization. Hiểu kỹ bài này, các mô hình sau chỉ là "thay mô hình, giữ nguyên quy trình".

Bài viết PRO

Phần còn lại dành cho thành viên PRO

Nâng cấp PRO để đọc trọn bài, kèm câu hỏi luyện tập, thẻ ghi nhớ và Hỏi Victor ngay trên bài.

Bài này thế nào?

Bài viết có hữu ích với bạn?

Đánh giá giúp mình biết nên viết thêm về chủ đề nào.

Đang tải đánh giá…
Chọn số sao từ 1 đến 5

Bình luận

Đăng nhập để bình luận không cần nhập tên và được duyệt nhanh hơn.

0/2000
Đang tải bình luận…

Đọc tiếp

Bài số № 30PRO

Toán cho Machine Learning: vector, ma trận, đạo hàm và xác suất viết bằng NumPy

Phần toán tối thiểu để đọc hiểu ML và Deep Learning: tích vô hướng, nhân ma trận, gradient, quy tắc chuỗi, phân phối xác suất, kỳ vọng, Bayes — mỗi khái niệm đi kèm vài dòng NumPy và chỗ nó xuất hiện trong mô hình thật.

14 phút đọc

Bài số № 29PRO

Python cho dữ liệu: NumPy, Pandas, Matplotlib qua bộ dữ liệu Titanic

Bộ công cụ hằng ngày của AI Engineer: vector hoá với NumPy, đọc–lọc–gộp–làm sạch dữ liệu với Pandas, vẽ biểu đồ khám phá với Matplotlib. Thực hành trọn một vòng EDA trên Titanic, kết thúc bằng bảng đặc trưng sẵn sàng cho mô hình.

11 phút đọc

Bài số № 74PRO

Vận hành eval ở quy mô lớn: phân tầng suite, cache, chạy song song có thử lại, manifest phiên bản, task flaky và ngân sách

Khi bộ eval có hàng nghìn task chạy mỗi đêm, eval trở thành hạ tầng. Phân tầng smoke/regression/full, runner có cache, giới hạn đồng thời và thử lại, manifest phiên bản để tái lập, xử lý task flaky, ước lượng ngân sách và tổ chức quyền sở hữu eval.

22 phút đọc