- 博客(4)
- 收藏
- 关注
RSS订阅原创 李宏毅机器学习P13+P5+6+7+8+9(21版)学习笔记
P13深度学习 1.神经网络 由不同的逻辑回归函数（不同权重和偏差）连接而成不同结构 输入层（InputLayer）：1层 隐藏层（HiddenLayer）：N层 输出层（OutputLayer）：1层 FullyConnectFeedforward network FullyConnect：layer1与layer2之间两两都有连接。 传递的方向是单向，由后往前传，所以叫Feedforward。 深度学习能表达出更多情况： 一个神经网络的权重和偏差已知，则可以看作一个函数：输入是向...
2021-10-20 22:22:30
271
原创 李宏毅机器学习P5-8学习笔记
P5误差来源 一、误差来源于两方面： 1：偏差—准: 根据样本拟合的模型输出预测结果的期望与样本真实结果的差距，即在样本上拟合的好不好。要求low bias，则需要复杂化模型或增加模型的参数，这容易过拟合(overfitting)，过拟合则为high variance，点很分散。 2：方差—确:样本上训练出来的模型在测试集上的表现，即点的集中性。lowvarience需要简化模型，减少模型的参数，但容易欠拟合(unfitting)，欠拟合则为highbias，点偏离中心，但很集中。 二、模...
2021-10-15 22:19:27
228
原创 李宏毅机器学习P3-4学习笔记
P3回归模型 主要针对回归的定义、回归模型的三个构建步骤及优化模型的三个步骤进行说明，在优化模型中，构建一元N次线性模型和增加特征值的方法都有可能带来过拟合的问题，对过拟合的规律进行了说明。本节含有较多公式推理，未做叙述。P3内容见图片。 P4回归案例的计算 本文针对P4中代码进行实践与调整，以保证其可以实施。原视频代码如下： import numpy as np x_data=[338., 333., 328., 207., 25., 179., 60., 208., 606.] y_dat.
2021-10-15 22:00:23
293
原创 李宏毅机器学习P1-2学习笔记
1.人类利用机器学习（手段）达成人工智能的目的 2.人类设定好机器”天生本能“：无法超过创造者，思维僵化 3.machine learning：让机器人有自己学习的能力—— 实际上就是寻找配适的functions(function set = model)" 4.机器应用输入+输出判断function好坏：supervised learning 5.用一个算法实现supervisedlearning-从function set 选最好的function（f*） 【3-5】training 6.使用.
2021-10-11 11:32:06
194
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人