机器学习基本概念介绍
让机器具备寻找一个所需函数的能力——两大任务
Regression回归
回归预测
Classification分类
判断是否符合要求:True/Flase
Structured Learning
让机器创造一些东西
机器学习的步骤——训练
1.带有未知的Parameters参数——Model模型
已知的参数——feature
y=wx+b:weigth bias
2.找出Loss简称L(b,w)——损失(误差)值最小,输入值为bias和weigth
reflect how good a set of values is
误差值ei=|估测值-真实值|——越小越好
L=1/N*(ei之和)
3.找出最优解w、b
(1)作L-w图像随机选取一个初始值w0
(2)计算该点切线斜率,哪里比较低就往哪跨一步,斜率小就跨小步,斜率大就跨大步
learning rate学习率η——属于hyperparameters,需要自己设定的参数值
w0->w1:步长=η*k
机器学习基本概念简介
Activation Function
1.Signmoid Function:
改变w:改变斜坡角度
改变b:改变位置、左右移动
改变c:改变高度
红色为要求表达式,由四个蓝色的表达式叠加组合而成
2.Rectified Linear Unit(ReLU):
3.Neural Network——神经网络