Datawhale X 李宏毅苹果书 AI夏令营-入门task1

第一章 机器学习基础

定义

机器学习ML：具备找一个函数的能力。

类别

要找的函数不同→1.输出一个数值，一个标量——回归；2.从设定好的选项（类别）中选择一个当输出→分类；3.产生一个有结构的物体→结构化学习

案例

1.写出一个带有未知参数的函数 f，其能预测未来观看次数

今天总共的观看次数y | 前一天的总共观看次数x1 | 未知参数b、w

$$ y = b + wx1 $$

带有未知的参数（parameter）的函数称为模型（model）

特征（feature） x1 是这个函数里面已知的

w 称为权重（weight），b 称为偏置（bias）

2.定义损失（loss）L(b, w)

损失函数输出的值代表，现在如果把这一组未知的参数，设定某一个数值的时候，这笔数值好还是不好

估测的值跟实际的值之间的差距的不同计算方法：

（1）平均绝对误差（Mean Absolute Error，MAE）

$$ e = |yˆ − y| $$

（2）均方误差（Mean SquaredError，MSE）

$$ e = (yˆ − y)2 $$

（3）交叉熵（cross entropy）

3.解一个最优化的问题

梯度下降（gradient descent）