- 博客(3)
- 收藏
- 关注
原创 Datawhale Task3 学习笔记:《深度学习详解》1.3
是指模型过于简单,无法有效捕捉数据的复杂性,从而导致较高的训练误差。解决模型偏差问题可以通过增加模型的复杂性,或增加输入特征来提升模型的灵活性。
2024-09-03 23:46:28 314
原创 Datawhale Task 2 学习笔记:《深度学习详解》1.2 - 了解线性模型与梯度下降
其中 w 为权重,b为偏置。模型通过学习找到最优的 w 和 b,使得预测值 y^尽可能接近真实值 y。:一种优化算法,通过不断调整模型的参数(如权重和偏置),以最小化损失函数。对于线性模型,常用的损失函数是均方误差(MSE)。
2024-08-31 23:31:23 317
原创 Data Whale ML学习笔记
模型可以表示为 \( y = b + w \times x_1 \),其中,\( y \) 是要预测的观看次数,\( x_1 \) 是前一天的观看次数,\( w \) 和 \( b \) 是模型的未知参数。比如在图像识别中,早期的层可能会识别图像中的边缘或颜色,而更深的层则能够识别更复杂的形状或对象。损失函数(如均方误差MSE)用于衡量模型预测值与真实值之间的差距,随着损失函数值的降低,模型的预测能力逐渐提高。模型的形式可能是线性回归中的简单线性函数,也可能是神经网络中的复杂非线性函数。
2024-08-27 23:30:48 338
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人