![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 87
学AI的二哈
一枚小菜鸡
展开
-
Pytorch语法1
pytorch基本操作1原创 2022-08-21 22:36:04 · 342 阅读 · 1 评论 -
李宏毅_Machine Learning_1
文章目录引入一、部分符号说明1.确定Senario、Task和Model2.设定具体参数二、Regression的具体过程1.function set2.Goodness of Function1.参数说明2.Loss function 损失函数3.Loss function可视化三、Pick the Best Function梯度下降法1.单个参数的问题2.两个参数的问题四、如何做的更好进一步讨论其他参数总结引入问题的导入:预测宝可梦的CP值Estimating the Combat Power原创 2021-11-13 18:56:53 · 815 阅读 · 0 评论 -
机器学习——神经网络
文章目录前言一、神经网络1.神经网络需要考虑的基本要素有哪些?2.激活函数有哪些?3.神经网络算法的隐藏层意义何在?二、决策树1.决策树的基本概念和方法2.从决策树到随机森林前言神经网络(仿生)预测非线性的算法,非线性的算法可以来解决更加复杂的问题神经网络算法也是后面深度学习的时候的基础ANN artificial neural networkMLP multiple layer perceptonCNN RNN一、神经网络1.神经网络需要考虑的基本要素有哪些?1,激活函数的选择原创 2021-10-24 15:45:27 · 208 阅读 · 0 评论 -
机器学习——Week3
文章目录一、逻辑回归1.前言引入2.简单介绍3.线性回归算法的选择4.多项式回归5.代码演示二、分类器项目案例1.简单介绍2.代码演示提示:以下是本篇文章正文内容,下面案例可供参考一、逻辑回归多元线性回归(Ridge、Lasso、ElasticNet)是做回归预测的逻辑回归(Logistic Regression)是做分类任务的1.前言引入Q:做回归预测损失函数是什么?A:平方均值损失函数MSEQ:做分类损失函数是什么?A:做分类损失函数是交叉熵!Q:什么是熵?A:熵是一种测量分原创 2021-10-10 18:21:42 · 102 阅读 · 0 评论 -
机器学习_week2
文章目录一、梯度下降法实践1.特征缩放2.学习率二、特征和多项式回归三、正规方程四、作业展示一、梯度下降法实践1.特征缩放以房价问题为例,假设我们使用两个特征,房屋的尺寸和房间的数量,尺寸的值为 0-2000平方英尺,而房间数量的值则是0-5,以两个参数分别为横纵坐标,绘制代价函数的等高线图能,看出图像会显得很扁,梯度下降算法需要非常多次的迭代才能收敛。解决的方法是尝试将所有特征的尺度都尽量缩放到-1到1之间。如图:最简单的方法是令:????????=(????????−????????)/?原创 2021-10-03 11:46:22 · 132 阅读 · 0 评论 -
Week-机器学习
文章目录一、梯度下降1.直观理解2.例子说明二、梯度下降的线性回归1.批量梯度下降三、多变量线性回归1、介绍说明2、多变量的梯度下降总结一、梯度下降1.直观理解**????????:=????????−????????????????????????(????)**对????赋值,使得????(????)按梯度下降最快方向进行,一直迭代下去,最终得到局部最小值。其中????是学习率(learning rate),它决定了我们沿着能让代价函数下降程度最大的方向向下迈出的步子有多大。 对于这原创 2021-09-26 16:28:42 · 89 阅读 · 0 评论 -
机器学习(单变量线性回归)
文章目录一、模型表示引入假设函数二、代价函数1.代价函数的介绍2.等高线的引入3.代价函数的理解4.梯度下降一、模型表示让我们通过一个例子来开始:这个例子是预测住房价格的,我们要使用一个数据集,数据集包含俄勒冈州波特兰市的住房价格。在这里,我要根据不同房屋尺寸所售出的价格,画出我的数据集。比方说,如果你朋友的房子是1250平方尺大小,你要告诉他们这房子能卖多少钱。那么,你可以做的一件事就是构建一个模型,也许是条直线,从这个数据模型上来看,也许你可以告诉你的朋友,他能以大约220000(美元)左右的价原创 2021-09-18 22:42:33 · 108 阅读 · 0 评论 -
机器学习入门
文章目录一、什么是机器学习1.引入:机器学习的四个任务2.机器学习的分类3.机器学习算法的过程4.没有免费午餐定理二、支持向量机1.介绍2.线性可分与不可分3.支持向量机算法4.支持向量机算法的优化一、什么是机器学习机器学习:非显著式编程——利用收益函数使计算机自动学习机器学习的核心是“使用算法解析数据,从中学习,然后对世界上的某件事情做出决定或预测”。这意味着,与其显式地编写程序来执行某些任务,不如教计算机如何开发一个算法来完成任务。1.引入:机器学习的四个任务四个机器学习的任务:(前俩者为原创 2021-09-11 15:03:10 · 2495 阅读 · 0 评论