![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 89
B站李宏毅机器学习视频笔记
啊叩亦
这个作者很懒,什么都没留下…
展开
-
李宏毅机器学习[2]-DL优化
SGD-Stochastic Gradient Descent随机梯度下降 首先回顾一下梯度下降公式: θ1θ^1θ1=θ0θ^0θ0-η∂(L)∂(θ0)\frac{∂(L)}{∂(θ^0)}∂(θ0)∂(L) θ2θ^2θ2=θ1θ^1θ1-η∂(L)∂(θ1)\frac{∂(L)}{∂(θ^1)}∂(θ1)∂(L) … θt+1θ^{t+1}θt+1=θtθ^tθt-η∂(L)∂(θt)\frac{∂(L)}{∂(θ^t)}∂(θt)∂(L) 每次计算出梯度方向,然后把该点朝梯度的相反方向移动。原创 2021-05-15 15:10:43 · 131 阅读 · 0 评论 -
李宏毅机器学习[1]-宝可梦CP值预测
最近在B站上学习李宏毅的机器学习的课程(2020版),他讲了一个预测宝可梦CP值的例子让我对机器学习有了一个大概的了解,或者说是让我明白了机器学习是要干嘛。下面是我对这个例子的认识和理解。 目标:预测宝可梦的CP值,即Combat Power战斗力。 预测分为了三个步骤,寻找一个适合的Model,评判一个function的优劣程度,Gradient Descent梯度下降。 步骤一:寻找一个合适的Model。 说简单一点,就是找一个function,输入一些值,得到一个输出结果,这个结果就可以看成预测的CP原创 2021-05-10 20:31:21 · 1038 阅读 · 0 评论