机器学习
最棒的xiaoming
这个作者很懒,什么都没留下…
展开
-
李宏毅《机器学习》笔记(5)--批次标准化
批次标准化(batch normalization)输入一个batch,如图中所示,可以将(x1,x2,x3)看成一个Batch 计算在经过一层网络后, 输出值(z1,z2,z3)的均值和标准差 对(z1,z2,z3)进行标准化,标准化后z的均值为0,方差为1...原创 2021-07-19 10:55:31 · 146 阅读 · 0 评论 -
李宏毅《机器学习》笔记(7)--阶段总结
学习内容:机器学习介绍回归误差和梯度下降深度学习介绍和反向传播机制网络设计的技巧卷积神经网络学习效果:从一只小白对深度学习有了最基本的了解,后续还需要多多学习和实践!...原创 2021-07-25 09:27:19 · 80 阅读 · 0 评论 -
李宏毅《机器学习》笔记(6)--卷积神经网络
CNN架构首先输入一张图片以后,这张图片会通过卷积层(convolution layer),接下来做最大池化(max pooling),这个过程可以反复无数次,反复的次数由事先决定。做完卷积和池化后,要做的另外一件事是flatten,再把压平的output丢到一般的全连接前向神经网络(fully connected feedforward network),然后得到影像辨识的结果。卷积(Convolution):如果把这卷积层与全连接层两个相联系类比的话,卷积就是全连接拿掉一些weigh原创 2021-07-22 09:16:33 · 138 阅读 · 0 评论 -
李宏毅《机器学习》笔记(4)--深度学习介绍
深度学习的三个步骤:Step1:神经网络(Neural network)例如:完全连接前馈神经网络:前馈(feedforward)也可以称为前向,从信号流向来理解就是输入信号进入网络后,信号流动是单向的,即信号从前一层流向后一层,一直到输出层,其中任意两层之间的连接并没有反馈.输入层(Input Layer):1层隐藏层(Hidden Layer):N层输出层(Output Layer):1层全链接: layer1与layer2之间两两都有连接,所以叫做Fully Conne原创 2021-07-17 11:04:01 · 85 阅读 · 0 评论 -
李宏毅《机器学习》笔记(3)--梯度下降
一、梯度下降使用梯度下降法,找一组参数,让损失函数越小越好。计算过程:二、方法1、调整学习率小心翼翼地调整学习率自适应学习率如:随着次数的增加,通过一些因子来减少学习率。通常刚开始,初始点会距离最低点比较远,所以使用大一点的学习率,更新好几次参数之后,比较靠近最低点了,此时减少学习率Adagrad 算法每个参数的学习率都把它除上之前微分的均方根。2、随机梯度下降法3、特征缩放...原创 2021-07-15 14:26:18 · 100 阅读 · 0 评论 -
李宏毅《机器学习》笔记(2)--回归Regression
定义:找到一个函数,通过输入特征x,输出一个数值Scalar。步骤:模型假设,选择模型框架:线性模型模型评估,如何判断众多模型的好坏:损失函数模型优化,如何筛选最优的模型:梯度下降应用:股市预测输入:过去10年股票的变动、新闻咨询、公司并购咨询等输出:预测股市明天的平均值自动驾驶输入:无人车上的各个sensor的数据,例如路况、测出的车距等输出:方向盘的角度商品推荐输入:商品A的特性,商品B的特性输出:购买商品B的可能性...原创 2021-07-13 15:52:33 · 84 阅读 · 0 评论 -
李宏毅《机器学习》笔记(1)--机器学习基本概念梳理
一、人工智能、机器学习与深度学习:可以把人工智能当作是要实现的目标,那么机器学习就是想要达成目标的手段,深度学习是机器学习的一种方法。 机器学习:寻找一个函数(function)。eg: 语音识别做语音识别其实相当于是在找一个函数,输入是声音讯号,输出是语音识别的文字。二、机器学习的三个步骤:Step1:准备一个函数集合,里面有成千上万的函数,这个集合也叫做model(模型)。Step2:让机器能够衡量一个函数是好还是不好,eg:在监督学习里,机器可以根据训练数据判断一个func原创 2021-07-12 11:26:18 · 197 阅读 · 0 评论