深度学习
回老家了看看你
这个作者很懒,什么都没留下…
展开
-
逻辑回归和多类逻辑回归
概念逻辑回归是一个非常经典,也是很常用的模型。看到逻辑回归这个名字,你以为这是一个“回归模型”,但是其实它是一个分类模型,是使用线性区分模型泛化感知器。在逻辑回归中就是基于sigmoid函数构建的模型。sigmoid函数的数学定义如下:σ(x)=11+e−x \sigma(x)=\cfrac{1}{1 +e^{-x}} σ(x)=1+e−x1这一函数的图形如下:图中我们可以直观地看到这个函数的一些特点:中间范围内函数斜率最大,对应Y的大部分数值变化Y轴数值范围在 0~1 之间X轴数值范原创 2020-05-29 21:35:15 · 736 阅读 · 0 评论 -
泰勒展开式
本段的核心思想是仿造。当我们想要仿造一个东西的时候,无形之中都会按照上文提到的思路,即先保证大体上相似,再保证局部相似,再保证细节相似,再保证更细微的地方相似……不断地细化下去,无穷次细化以后,仿造的东西将无限接近真品。真假难辨。这是每个人都明白的生活经验。===============一位物理学家,把这则生活经验应用到他自己的研究中,则会出现下列场景:一辆随意行驶的小车,走出了一个很诡异的轨迹曲线:...转载 2020-05-22 23:09:31 · 9039 阅读 · 14 评论 -
单层感知器简要说明
概念单层感知器算法是神经网络算法中结构最简单的模型,作为一种线性分类器,它可以对两种类型进行线性分类。感知器是生物神经细胞的简单抽象,是神经网络的原型,是以最简单的方式模拟人类神经元的算法。神经元图示:算法模型图示:xix_ixi表示输入信号,是根据预先定义的特征工程的非线性转换,wiw_iwi表示每一种输入信号对应的权重,y表示输出信号。f是激活函数,Σ\varSigmaΣ表示的是对所有输入数据的求和。这样一来就有如下等式:z=w1∗x1+w2∗x2+w3∗x3......wn∗xn=原创 2020-05-18 15:39:37 · 1723 阅读 · 0 评论 -
机器学习应用的一般步骤
在我们准备用机器学习构建一个分类器来处理实际问题时,还需要做些其他的准备工作:1. 根据你的问题选择一种合适的机器学习方法,因为每种机器学习的算法都有各自不同的特点,能适应的场景也不同,所以选择合适的机器学习方法事半功倍。2. 根据你的问题选择合适的特征来进行分析,因为事物之间都有自己的特征,选择好事物独特的特征来进行也能提高训练效果。3. 根据你的问题设置合适的分析模型参数,每一种机器学习算法都会依据模型参数设置决策边界。机器学习的一般步骤可以归纳为两个:训练测试训练这一步主要是根据数原创 2020-05-14 12:27:16 · 1103 阅读 · 0 评论 -
人工智能领域存在的问题
问题人工智能领域存在的三大问题:框架问题、符号关联问题和特征量问题。对应于人的能力就是:如何思考,如何联想,如何理解。概念框架问题(如何思考):机器遇到问题不知道用什么知识去解决问题,就是不知道如何思考,需要人为设定,比如人类和机器都没有学习过脑筋急转弯问题,然后给他们出一个脑筋急转弯的问题,机器就不知道用什么知识解决,但是人类可以思考来回答这个问题。而机器要回答这个问题就需要脑筋急转弯问题的知识。在这个问题上,人类知道如何运用其他知识产生一个脑筋急转弯问题知识,而机器不会。简单来说就是人类知道需要原创 2020-05-13 16:28:19 · 2876 阅读 · 0 评论