落地云原生DevOps？

1971年，芬兰推出了公共移动电话网络ARP(Auto Radio Puhelin，puhelin是芬兰语电话的意思)，工作在150MHz频段，仍然是手动切换，主要为汽车电话服务。

不管是Altai，还是IMTS或ARP，后来都被称为“0G”或“Pre-1G(准1G)”移动通信技术。

▉ 1G

进入70年代后，随着半导体工艺的发展，手机的诞生条件终于成熟。

1973年，摩托罗拉的工程师马丁·库珀(Martin Cooper)和约翰·米切尔(John F.Mitchell)终于书写了历史，发明了世界上第一款真正意义上的手机(手持式个人移动电话)。
 

蜂窝通信的设想虽然很好，但是，同样受限于当时的电子技术(尤其是切换技术)，无法实现。贝尔实验室只能将其束之高阁。

到了50年代，陆续有更多的国家开始建设车载电话网络。例如，1952年，西德(联邦德国)推出的A-Netz。

1961年，苏联工程师列昂尼德·库普里亚诺维奇(Leonid Kupriyanovich)发明了ЛК-1型移动电话，同样是安装在汽车上使用的。后来，苏联推出了Altai汽车电话系统，覆盖了本国30多个城市。
 

缺点

• 对于非线性数据或者数据特征间具有相关性多项式回归难以建模
• 难以很好地表达高度复杂的数据

三、应用场景

1. 趋势线(时间序列数据的长期走势)
2. 流行病学
3. 金融(分析和计算投资的系统风险)
4. 经济学(预测消费支出、固定投资支出等)

四、重要知识点

1. 回归目的——预测数值型的目标值
2. 回归性能评价指标——均方误差(MSE)
3. 过拟合

(1)定义：一个建设在训练数据上能够获得比其它假设更好的拟合，但是在测试数据集上却不能很好地拟合数据，此时认为这个假设出现了过拟合现象。(模型过于复杂)

(2)原因：原始特征过多，存在一些嘈杂特征

(3)解决办法：正则化

4.欠拟合

(1)定义：一个假设在训练数据集上不能获得很好的拟合，并且在测试数据集上也不能很好地拟合数据，此时认为这个假设出现了欠拟合的现象。(模型过于简单)

(2)原因：学习到数据的特征过少

(3)解决办法：增加数据的特征数量

5.正则化

(1)L2正则化

L2正则化可以使得其中一些W都很小(接近于0)，削弱某个特征影响。Ridge回归就是用的L2正则化。

(2)L1正则化

L1正则化可以使得其中一些W的值直接为0，删除整个特征的影响。LASSO回归用的就是L1正则化。

五、代码

（编辑：衡水站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!