李宏毅机器学习深度学习笔记

最新推荐文章于 2022-11-08 10:11:12 发布
最新推荐文章于 2022-11-08 10:11:12 发布
阅读量109 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/futurech/article/details/118363186
版权

改进模型
例如将二次模型变换为三次模型，将模型的精确度提高
（模型次数提高，在训练集上的误差最小，但是在测试集上的误差可能先变小后越来越大）
越复杂的模型并不一定在测试集上具有很好地性能

过拟合：复杂的模型在训练集上具有很好地性能，但是在测试集上的性能比较差。

为了过拟合，可以分段进行拟合，考虑除了自变量以外的其他一个或者几个因素。

模型的对比可以考虑平均错误率。

正则化：添加权重的平方和*λ

Brienzz
关注
专栏目录
李宏毅机器学习笔记-6 深度学习简介（Brief Introduction of Deep Learning）
Memory
05-14 993
Brief Introduction of Deep Learning - 深度学习简介 1. 前言 deep learning 在近些年非常热门，从2012年开始，深度学习的应用数目几乎是呈指数增长的。 深度学习的发展史如下图： 2. 深度学习的步骤 2.1 第一步： 定义一个神经网络 神经网络由神经元组成，每个神经元如上图所示，每个神经元都有一个 bias ...
李宏毅机器学习（2021）学习笔记 01
最新发布
hldgs的博客
11-29 920
李宏毅老师《机器学习2021》课程的学习笔记。
machineLearningDeepLearning:李宏毅2021机器学习深度学习笔记PPT作业
05-11
李宏毅老师2021年Spring机器学习深度学习上线新课程，持续更新中 PPT，作业代码，学习笔记，上课代码，tensorflow|pytorch将会上传到github，欢迎Star，请多多鼓励。 如何下载本库内容 下载方式 1 git工具下载 ​ git clone 下载方式 2 网页下载 更新记录 PPT部分 路径：machineLearningDeepLearning/ppt 第七章 已同步官网更新到第九章 Domain Adaptation/RL Video部分  课程介绍 中文 英文 第一章 中文 英文 第二章 中文 英文 第三章 中文 英文 更新部分 第四章 中文 英文 未更新 第五章 中文 第六章 中文 第七章 中文 第八章 中文 第九章 官网暂未更新 HomeWork部分 路径：machineLearningDeepLearning/homework
李宏毅2022《机器学习/深度学习》——学习笔记（1）
dotJunz的博客
10-03 923
hyperparameters：机器学习中自己设定的参数，比如学习速率。weight: w（权重：与 feature 相乘的）如下所示是一个简单的 Model。优化下面函数，获得较好的参数值。模型就是带有未知参数的函数。bias: b（偏置）
李宏毅2020机器学习深度学习笔记（一）
TOU_HOU的博客
04-23 1275
回归Regression一、模型函数二、Goodness of Function损失函数Loss function L：三、挑选出最好的函数梯度下降Gradient Descent 宝可梦CP值预测 设宝可梦的名字为xs、CP值为xcp、HP值为xhp、重量为xw、高度为xh。 ƒ(宝可梦的各项数值) = y(进化后的CP值) 一、模型函数 y = b + w * xcp Linear Model...
李宏毅-机器学习&深度学习-笔记-第一练习-线性回归
Xidian185的专栏
03-05 241
import numpy as np import matplotlib.pyplot as plt from tqdm import tqdm_notebook x_data = [338.,333.,328.,207.,226.,25.,170.,60.,208.,606.] y_data = [640.,633.,619.,393.,428.,27.,193.,66.,226.,1591...
李宏毅老师2021深度学习课程笔记.pdf
10-08
李宏毅老师的2021深度学习课程笔记中提到了几个关键知识点，涉及了深度学习训练技巧以及理论基础。 首先，课程提到了模型泛化能力的重要性，尤其是在模型的测试集划分上。这里提到了两种测试集的划分：public ...
李宏毅机器学习全套资料
08-31
《李宏毅机器学习全套资料》是一份全面深入的机器学习教育资源，主要涵盖了教学演示文稿、作业解决方案以及详尽的课程内容。这份资源对于想要深入理解和掌握机器学习这一领域的学习者来说，无疑是一份宝贵的参考资料...
李宏毅2021机器学习深度学习笔记PPT作业
09-05
《李宏毅2021机器学习深度学习笔记PPT作业》是一份涵盖了现代人工智能领域核心知识的资源，主要集中在机器学习和深度学习这两个关键分支上。这份资料可能包括了李宏毅教授在2021年课程中的讲义、课后作业以及相关的...
[机器学习入门] 李宏毅机器学习笔记-9 （“Hello world” of deep learning；初探深度学习）
Holeung blog
06-06 4598
[机器学习入门] 李宏毅机器学习笔记-9 （“Hello world” of deep learning；初探深度学习） PDF VIDEOKeras Example Application - Handwriting Digit RecognitionStep 1 : define a set of functionStep 2 : goodness of functionStep 3
李宏毅机器学习笔记.pdf
08-11
李宏毅机器学习·笔记自己整理成了PDF，现在分享给大家。
李宏毅学习笔记的PDF版
04-22
github上有相关的开源资源！！！！！ 李宏毅老师的机器学习视频是机器学习领域经典的中文视频之一，也被称为中文世界中最好的机器学习视频。李老师以幽默风趣的上课风格让很多晦涩难懂的机器学习理论变得轻松易懂，并且老师会通过很多有趣的例子结合机器学习理论在课堂上展现出来，并且逐步推导深奥的理论知识。比如老师会经常用宝可梦来结合很多机器学习算法。对于想入门机器学习又想看中文讲解的人来说绝对是非常推荐的。
李宏毅 机器学习(2017)学习笔记——6-深度学习
qq_42249031的博客
05-20 351
目录 1. 深度学习的历史 2. 深度学习的三个步骤 2.1 步骤一：定义一个函数集（神经网络） 2.2 步骤二：评估函数好坏 2.3 步骤三：挑选出最好 1. 深度学习的历史 ↑1958：感知机（线性模型） ↓1969：感知机有局限性 ↑1980年代：多层感知机（和现在的深度神经网络DNN没有明显的差别） ↑1986：反向传播算法（超过3层帮助不大） ↓1989：一个隐藏层就够强大了，还需要什么深度学习呢？ ↑2006：RBM初...
2020李宏毅机器学习与深度学习笔记——Regression
qq_40706679的博客
06-03 390
Case举例： 股票预测系统 f(一些股票资料)=预测明天股票的点数 无人驾驶 f(道路状况)=方向盘角度 推荐系统 f(使用者A 商品B)=使用者A购买商品B的可能性 课程范例：预测宝可梦的CP值(战斗力) f(某一只宝可梦相关的infomation)=进化后的CP值 输入X：某一只宝可梦 Xs：它的种类；Xhp：它的生命值；Xw：它的重量；Xh：它的高度；Xcp：它的CP值 输出Y(一个数值) Step1：Model(找一个function set) eg.Y=b+w*Xcp (w和b是参数，可以是任
【强推】李宏毅老师2021深度学习课程学习笔记（持续更新中）
cyy0789的博客
09-23 1950
机器学习可以理解为是让机器自动寻找函数的一个过程。 根据函数功能的不同，可以将机器学习进行以下分类。 Alpha Go做的事情也是一个分类问题：将当前棋盘上白子黑子的位置作为输入，输出是19*19个calsses中的一个。 如果知道了李宏毅老师Youtube过去三年每一天的播放量数据，去预测明天的播放量数据，可以假定一个包含了两个参数w和b的线性模型，输入x1为前一天的数据（如2.25），y为预测的当前一天的数据（如2.26） 损失函数是一个关于模型参数的函数，用来评价模型及模型参数选择的优劣，此处
2020李宏毅机器学习与深度学习笔记——Classfication_1
qq_40706679的博客
07-31 1004
本节课的目标是，寻找合适的Function，对于我们的每一个输入x，我们给出合适的输出类别n，如下： 这种Function有很大的应用，比如在金融领域，我们可以根据一个人的收入、存款、工作、年龄、过去的财务历史等等，来决定是否贷款给他；再比如医疗方面，我们可以根据一个人现在的症状、年龄、性别、过去的就医历史等等，来判断他生了那种病(自动医疗诊断)；再比如做手写文字辨识，类别就是合法字体的个数；再比如做人脸识别，我们输入一张脸，然后在数据库里寻找，找到这张脸的主人。 依旧以pockmon来举例，我们知道po
机器学习 | 李宏毅课程笔记（二）深度学习任务攻略
Hygge的博客
11-08 481
李宏毅机器学习课程笔记之深度学习任务攻略——训练模型常见问题与解决方法
李宏毅-机器学习&深度学习-第二讲-梯度下降
Xidian185的专栏
03-05 184
李宏毅机器学习学习笔记——自注意力机制
p_memory的博客
04-30 1019
self-attention应用场景类型一：输出label与输入向量个数相同（Sequence Labeling）self-attention原理计算输出向量 应用场景 self-attention也是一个常见的neural network框架，用来解决输入是一组向量并且向量的个数是不确定的问题。例如： 文本处理 语音识别 Drug discovery self-attention的输出有以下3种情况： 每个向量都有一个标签，即输出跟输入数目一样。具体应用：词性标注、推荐系统。 整个sequence只
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值