机器学习(李宏毅)

已于 2022-03-12 16:41:19 修改
阅读量212 收藏
点赞数
分类专栏： 初学 文章标签： 机器学习
于 2022-03-12 13:19:02 首次发布
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/hnz789/article/details/123442117
版权

机器学习基本概念

1 机器学习的两大任务

 regression and classification  ----> structured learning

在这里插入图片描述

2.机器学习的本质

找一个函数（find function）

步骤一：写出一个带有未知参数的函数
在这里插入图片描述

w and b are unknowned parameters(learning from data).

步骤二：定义损失（Loss）
在这里插入图片描述
步骤三：最优化

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
计算更新的方向以及Loss
在这里插入图片描述
在这里插入图片描述

hnz789
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
李宏毅2020机器学习资料汇总
⚡
04-08 8万+
前言 可能受到新冠病毒的影响，台大也开始了网课教学。李宏毅上传了2020版本的机器学习视频，可以说是非常好的学习资料（尽管其中多数都是2017、2019的视频，但有部分更新）。 和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习……
21机器学习李宏毅作业——HW6(GAN)
LareinaLiang的博客
07-29 1970
HW6--GAN作业要求GAN是什么代码部分前期的环境和数据集啥的该import的内容设置点随机种子来处理下数据来吧，展示下我们的图模型训练其他的一些代码参考 作业要求   为这些给出的动漫头像生成一个GAN GAN是什么   GAN——generative adversarial network，中文名是生成式对抗网络，它是深度学习模型的一种。   GAN的基本原理这样来说：   以生成图片为例，假设我们有两个网络，G（Generator）和D（Discriminator），和他们的名字一样：     G
机器学习大牛最常用的5个回归损失函数，你知道几个？
weixin_33724046的博客
06-21 1625
“损失函数”是机器学习优化中至关重要的一部分。L1、L2损失函数相信大多数人都早已不陌生。那你了解Huber损失、Log-Cosh损失、以及常用于计算预测区间的分位数损失么？这些可都是机器学习大牛最常用的回归损失函数哦！ 机器学习中所有的算法都需要最大化或最小化一个函数，这个函数被称为“目标函数”。其中，我们一般把最小化的一类函数，称为“损失函数”。它能...
十大机器学习算法的一个小总结
Miracle8070
10-11 9187
在公众号看到来一篇不错的文章，讲解机器学习算法的，感觉挺好的，所以这里对常用的机器学习算法做一个小的总结， 然后根据学习李航老师的《统计学习方法》做得笔记，对这些算法进行补充。 简介   关于机器学习算法的研究已经获得了巨大的成功，哈佛商业评论甚至将数据科学家称为二十一世纪最具诱惑力的工作。 机器学习算法是在没有人为干涉的情况下，从大量的数据和历史经验中学习数据的结构并提升对某一目标的估计的算法。...
机器学习李宏毅学习笔记1
weixin_46722934的博客
05-04 382
学习李宏毅老师机器学习
【机器学习李宏毅课程笔记】01.Regression
weixin_63614711的博客
05-14 323
本文介绍机器学习的一种方法Regression
机器学习李宏毅学习笔记2
weixin_46722934的博客
05-05 769
李宏毅机器学习视频p3学习日志。
李宏毅机器学习笔记
weixin_49119476的博客
04-29 1784
m和sigma都考虑了过去所有的gradient。区别：momentum主要考虑方向sigma主要考虑大小momentus是为了增加历史运动的惯性，RMS是为了缓和步伐的大小，变得更平缓network弹性逐渐变小。receptive field + parameter share 即为 convolutional layer。使用卷积层的神经网络即为CNN。CNN有比较大的bias，但是是专门为影像设计，所以在这方面做的很好。
21机器学习李宏毅作业——HW7(BERT)
LareinaLiang的博客
08-05 1149
HW7--BERT作业要求代码部分数据集前期的安装和import暂时不知道干什么的代码模型加载和断词器读取数据分断下数据Dataset and DataloaderEvaluationTrainingTesting最后生成的一些文件 作业要求 用BERT模型做Q&A的问题，Q&A的问题就是你输入文章和问题(这些问题的答案都能从文章中找出)，输出两个正整数S和E，分别代表答案的开始和结束位置。 了解如何使用转换器对下游任务上的预训练模型进行微调 代码部分 数据集 这次我下载下来了，比较小，稍后
李宏毅2021&2022机器学习
热门推荐
啥都生的博客
03-01 6万+
重磅须知  2022仅在2021基础上进行小补充，2021内容变成了前置知识，UP会在视频标题打上2022的标签；    2021资料已打包装进百度云盘，ppt/pdf支持直链下载。    （选修）To Learn More是21/22通用的，放入云盘：提取码：sr0o 更新日志 日期 项目 2021/03/16 更新HW1、HW2，同步更新助教范例 2021/03/26 更新HW3、HW4课件、代码、范例；release页发布HW1-HW4数据 2021/04/01 更新选修.
@[TOC](机器学习 李宏毅 笔记)
01-07
机器学习分类 Scenario 训练场景 由拿到的数据决定 task 任务类型 由想得到的输出决定 method 所选择的function set 只是specialize了Classifacaiton 的具体分类，但是每个senerio 都包含这些task, 每个task 都包含...
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...
【ML】 李宏毅机器学习课件及代码.zip
04-02
机器学习（Machine Learning, ML）是一种应用人工智能（AI）领域的科学技术，它使得计算机系统能够从数据中自动学习和改进，而无需显式编程。在机器学习的过程中，算法会通过识别和挖掘数据中的模式来构建一个模型，...
机器学习和深度学习区别
最新发布
hong161688的博客
09-11 824
机器学习：是人工智能的一个分支，它让计算机能够在没有明确编程的情况下，通过观察和分析大量数据来学习并做出预测或决策。机器学习起源于20世纪50年代，随着算法的不断发展，逐渐形成了多种经典算法，如决策树、支持向量机、随机森林等。深度学习：则是机器学习的一个子领域，它主要依赖于深度神经网络模型进行学习和预测。深度学习在21世纪初开始兴起，特别是随着计算能力的提升和大数据的普及，深度学习算法得以广泛应用，并取得了显著成效。
【深度学习讲解笔记】第1章-机器学习基础（3）
i156456365的博客
09-10 386
回顾我们之前构造复杂函数的方法：我们根据分段曲线逼近任意曲线原理，使用可导的sigmoid函数，通过调整b1, w1, c1, ..., bn, wn, cn的值，并将这些形状各异的sigmoid函数相加就可以逼近一条效果较好的函数曲线，这样的曲线减少了指数，对数，幂指数等对函数走向的限制，更加灵活。神经网络通常有很多层，这更加提升了机器学习得到复杂函数的能力，除了输入层和输出层外，其中夹杂的神经元称为。神经元的输出是一个数值，这个数值还可以连接到其他神经元的尾部作输入，由此将多个神经元连接形成的系统叫。
机器学习特征构建与特征筛选
西木风落
09-10 588
上一篇文章讲述了原始特征分析和处理，保障后续拿到的是干净的特征变量，但实际这些特征对于建模不一定是有效的，所以需要在原始特征的基础上，结合业务场景做特征变量的衍生，提升数据的表达能力。
【机器学习】隐马尔可夫模型的基本概念和应用领域以及在NLP中如何实现（含python代码）
ya的博客
09-09 1459
确定HMM中的隐藏状态（如词性、实体类型）和观测（如单词、字符）。HMM在NLP中的应用非常广泛，但由于其假设状态转移和观测生成是条件独立的，这在某些情况下可能限制了其性能。随着深度学习技术的发展，虽然HMM在某些任务上已被更复杂的模型（如循环神经网络、长短期记忆网络和变换器模型）所取代，但HMM仍然是理解序列数据和概率模型的重要工具。
【机器学习】模型性能与可解释性的矛盾以及如何提高可解释性和模型性能
ya的博客
09-05 1145
模型性能与可解释性之间的权衡是机器学习中的一个重要问题，需要根据具体的应用场景和需求来做出合理的选择通过上述方法，可以有效地提高机器学习模型的可解释性，帮助用户理解模型的预测，并在模型部署前进行必要的调整和优化提高模型性能通常需要实验和迭代。重要的是要有一个清晰的评价指标，以便能够客观地衡量不同策略的效果。此外，保持对最新研究和技术动态的关注，可以帮助你发现新的方法和工具来进一步提升模型性能。
【机器学习】高斯网络的基本概念和应用领域以及在python中的实例
ya的博客
09-08 1144
高斯网络在机器学习中是一个强大的工具，能够有效地建模和处理连续数据。在实际应用中，根据具体问题选择合适的模型和算法是至关重要的高斯网络在机器学习和相关领域中是一个强大的工具，能够有效地建模和处理连续数据。在实际应用中，根据具体问题选择合适的模型和算法是至关重要的。
机器学习李宏毅深度学习音素
12-20
以下是关于机器学习李宏毅深度学习音素的介绍： 1. 网络训练方法： ```python # 使用Simple Baseline进行训练 # 增加网络层数和训练轮次，使用Medium Baseline # 添加Dropout，BatchNorm，调整frame数量和隐层数目...
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