机器学习的目的是让机器具备找函数的能力,如果找的函数的输出是数值或标量,则称为回归,如果是做出选择题则称为分类。
机器学习找函数的过程分成3步骤,以y=b+wx1为例,第一步写出一个带有未知参数的函数f,能预测未来观看次数,y是准备要预测的东西,x1是频道,b与w是未知参数;第二步是定义损失;第三步是解最优化的问题,常用的优化办法有梯度下降
学习率会影响 步伐大小,学习率大每次参数跟新就会量大,学习可能较快,反之亦然。
机器学习中需要自己设定,不是机器自己找出来的,称为超参数
机器学习的目的是让机器具备找函数的能力,如果找的函数的输出是数值或标量,则称为回归,如果是做出选择题则称为分类。
机器学习找函数的过程分成3步骤,以y=b+wx1为例,第一步写出一个带有未知参数的函数f,能预测未来观看次数,y是准备要预测的东西,x1是频道,b与w是未知参数;第二步是定义损失;第三步是解最优化的问题,常用的优化办法有梯度下降
学习率会影响 步伐大小,学习率大每次参数跟新就会量大,学习可能较快,反之亦然。
机器学习中需要自己设定,不是机器自己找出来的,称为超参数