机器学习
文章平均质量分 91
自学机器学习笔记
毕业不了了
贵在坚持
展开
-
YB菜菜的机器学习自学之路(八)——基于keras的初级深度学习框架
基于keras框架,利用全链接层搭建深度学习网络对MNIST训练原创 2023-02-06 16:09:41 · 345 阅读 · 0 评论 -
YB菜菜的机器学习自学之路(七)——简单了解keras框架
一个一个编写前向传播和后向传播是十分麻烦的,一些打包好的机器学习框架可以帮助我们解决这些问题。optimizer : 设置SGD(梯度下降),以及学习率lr为0.05 (调参)optimizer : 设置SGD(梯度下降),以及学习率lr为0.05 (调参)optimizer : 设置SGD(梯度下降),以及学习率lr为0.05 (调参)optimizer : 设置SGD(梯度下降),以及学习率lr为0.01。与前面不同,这里数据有2个维度,所以输入维度设置为2。原创 2023-02-01 20:54:49 · 426 阅读 · 0 评论 -
YB菜菜的机器学习自学之路(六)——初步了解简单的神经网络模型(隐藏层)
多元神经网络(隐藏层)原创 2023-01-29 22:55:10 · 574 阅读 · 0 评论 -
YB菜菜的机器学习自学之路(五)——完整的单神经元罗森布拉特感知模型(激活函数)
线性函数的能力是有限的。事实上无论多少个神经元,无论多少次方的函数,其都是线性的。在这里我们用平方差函数来衡量预测模型的准确度,而这个平方差函数又被称为。是常用的激活函数,是一个在生物学中常见的S型函数,也称为S型生长曲线。如图1所示绿色部分,在实际中,我们在罗森布拉特感知器前向过程的输出后面加入一个。自此,我们可以得到一个完整的单神经元的罗森布拉特感知模型,如图4所示。,事实上,我们在思考分析问题时,并不会考虑精确的数学拟合,而是。,我们需要加入一个新的操作,来增加神经元模型的。原创 2023-01-29 09:28:08 · 218 阅读 · 0 评论 -
YB菜菜的机器学习自学之路(四)——简单了解空间梯度下降和神经单元小结
数据通过一次前向传播就会得到一个预测值,预测值与统计观测而来的真实值之间存在误差,我们用平方误差作为评估手段。从整体上看,这就称为一个简单的机器学习中的神经网络(这里只有一个神经元,因此又叫。)来模拟神经元,而把我们统计观测而来的数据送入预测函数进行预测的过程称为。如图2,左侧为平面曲线情况,此时为了寻找顶点,我们只需要沿着。如图4,在整个过程中,我们用预测函数模型(一元一次函数。为学习率,其影响学习的效率,不能太大也不能太小。限制的预测函数,即,认为曲线必须经过原点。,而使用的方法为方差,因此称为。原创 2023-01-26 21:37:03 · 101 阅读 · 0 评论 -
YB菜菜的机器学习自学之路(二)——简单了解代价函数
代价函数的简单了解原创 2023-01-20 23:26:49 · 181 阅读 · 0 评论 -
YB菜菜的机器学习自学之路(一)——基础的罗森布拉特(Rosenblatt)感知器
罗森布拉特(Rosenblatt)感知器原创 2023-01-19 22:52:40 · 821 阅读 · 0 评论