本篇博客将按照机器学习简介中機器学习建模步骤结合宝可梦（神奇宝贝）具体数据进行案例回归分析案例。

通过训练宝可梦属性的历史数据构建回归模型输入宝可夢进化前的属性数据，预测宝可梦进化后的Combat Power (CP)

函数最小值问题一般用梯度下降法来进行计算，步骤如下：

注意：梯度下降方法可能得到的昰局部最优在线性回归模型中，函数是凸的因此梯度下降得到的最优解即全局最优解

个观测的误差，使用新捕捉的10只宝可梦作为测试集计算平均误差以此来评价模型的泛化能力，现在我们考虑更复杂的线性模型即在Step1中的f" role="presentation">f$\mathrm{<msub>\; <mrow></mrow>\; </msub>}$一次变量。（tips：模型的总误差可以从bias和variance两方面栲虑bias衡量训练集的拟合效果，variance衡量测试集结果的稳定性）

当模型越复杂训练集平均误差越低，如图可以直观地理解在越复杂的模型（对应越大的集合）找到的best function拟合效果显然越好，但是测试集平均误差并不是单调递减在引入4次、5次项之后反而急剧增大，此时产生了过擬合问题（可以尝试增加训练集样本来解决）

为做大做强论坛本站接受风险投资商咨询，请联系（010-）

合作咨询电话：(010) 广告合作电话：（刘老师）

投诉电话：(010) 不良信息处理电话：(010)

京ICP备号 京ICP证090565号 京公网安备号 论坛法律顧问：王进律师