机器学习入门理解

机器学习入门理解:

理解:寻找函式,让输出匹配输入。其中输入、输出有以下几种

函式的输入:向量、矩阵、序列

输出:分类、数、text image

分类:

Regression:预测PM2.5数值

Structured Learning:产生一个结构,介于两者间,如画图,写文章(创造新的)

Classification:alphago

训练步骤:

(1)寻找函式:Y=b+wx

(2)Define LOSS(b,w):对已知数据进行预测,预测值与真实值的差距

有评测差值的绝对值或是差值的平方等方法

   (3)最佳化:

gradient descent(梯度下降法)对LOSS函数使用梯度下降寻找局部最小值

梯度下降法的原理和算法

注:文章仅作学习记录,梳理框架。若有问题,还请大家指正错误!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值