《深度学习详解》入门task1笔记

最新推荐文章于 2024-08-28 16:56:41 发布

Oathkeeper488

最新推荐文章于 2024-08-28 16:56:41 发布

阅读量130

点赞数 2

文章标签：深度学习笔记人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/2402_86285986/article/details/141533840

版权

#Datawhale X 李宏毅苹果书 AI夏令营

主要概括了机器学习的基础。

机器学习主要分为两大类，回归和分类

对于回归而言，是一种有监督的机器学习，根据已有的信息，拟合出一个（线性或者非线性）函数，用于预测将来对于某个自变量的因变量数值

有监督的分类不要求最后的输出值是某个具体的数字，只要求能将结果分类到特定的类别中。

想要训练机器学习中的某个具体函数，大致分为3个步骤：

第一步是先确定一个带有未知参数的函数，确定该函数的大致格式需要一定的经验，一般回归用线形函数，分类用 $sigmoid$ 函数

第二步是计算 $loss(w,b)$ ，也就是估计用当前函数计算的估计值与真实值之间差距，这个差距越小越好

第三步是通过梯度下降来找到 $loss$ 函数的最小值（也可能是局部最小），涉及到的学习率 $\alpha$ 的概念，即更新参w,b的跨度大小

关注

2
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
《深度学习详解》入门task1笔记

对于回归而言，是一种有监督的机器学习，根据已有的信息，拟合出一个（线性或者非线性）函数，用于预测将来对于某个自变量的因变量数值。第一步是先确定一个带有未知参数的函数，确定该函数的大致格式需要一定的经验，一般回归用线形函数，分类用。有监督的分类不要求最后的输出值是某个具体的数字，只要求能将结果分类到特定的类别中。，也就是估计用当前函数计算的估计值与真实值之间差距，这个差距越小越好。#Datawhale X 李宏毅苹果书 AI夏令营。函数的最小值（也可能是局部最小），涉及到的学习率。主要概括了机器学习的基础。
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。