机器学习
文章平均质量分 70
1ceberg9
这个作者很懒,什么都没留下…
展开
-
神经网络——bp神经网络
bp神经网络1.前向传播前向传播为基础神经网络知识,此处不过多叙述。2.反向传播反向传播为bp算法核心,即使用梯度下降的方法反向训练模型,将cost function(用J函数表示)最小化。为什么vij与wj都可以被J函数求偏导呢,它们不在同一层,且vij会影响wj?答:神经网络的多层结构中,每一层都有参数,前层的参数经过计算为后层提供输出。但可以将整个网络看作vij与wj再加上偏置值b作为所有参数构成的一个模型,最终产生一组输出值y。并且cost function可以看作vij与wj再原创 2022-04-18 14:49:42 · 708 阅读 · 0 评论 -
神经网络——基础思想
神经网络神经网络是一种通过模拟人脑的神经网络,来实现类人工智能的机器学习技术。人脑中的神经网络是一个非常复杂的组织。成人的大脑中估计有1000亿个神经元之多。用一个例子来学习神经网络:用神经网络识别手写数字。首先要知道,计算机中的图像是由一个数字矩阵存储的,每一个像素点都由n个数字组成(n为通道数,如RGB则为三个通道),这个例子中的图片为28x28的单通道灰度图像,每个像素点的数字为“激活值”,其大小表示像素点颜色的深浅,数字越小颜色越“黑”,数字越大颜色越“白”)我们先将这784个像素点的原创 2022-04-15 21:17:15 · 2617 阅读 · 0 评论 -
机器学习——欠拟合、过拟合与正则化
1. 偏差与方差首先要了解两个概念:偏差与方差。下图中红色中心为测试数据的真实标记;蓝色点为模型产生的预测值。蓝色点的中心与红色中心的距离就是偏差(Bias)蓝色小点与蓝色点中心的平均距离就是方差(Variance)通俗理解就是,偏差指的是模型预测数据与真实数据的差距,用来表示模型预测的准确性;方差指的是模型预测数据的波动,用来表示模型预测的稳定性。2. 欠拟合与过拟合上图第一个模型中,通过对数据进行线性回归拟合,得到一条直线。但可以发现,实际数据与直线上的点有着很大的偏差(bais),可原创 2022-04-14 12:03:28 · 280 阅读 · 0 评论