- 博客(4)
- 收藏
- 关注
原创 机器学习初探(day4)
以下所有学习内容源于李宏毅老师的《机器学习》一课, 链接:李宏毅《机器学习》_哔哩哔哩_bilibili 深度学习 深度学习是机器学习的一部分,说实话最开始学习机器学习的时候我真的觉得深度学习和机器学习没有任何区别只是换一种说法,现在想来真是傻。 个人理解:机器学习样本数据中会有大量的特征元素,而深度学习只有很少的特征甚至没有特征,而更多的是通过让机器学习模型提取特征。深度就是让机器有更多的“自主性”。 深度学习的步骤: 1.神经网络 神经网络包含输入层,隐藏层,输出层。通常情况下输入层和输出
2021-10-17 20:18:46 69
原创 机器学习初探(day3)
以下所有学习内容源于李宏毅老师的《机器学习》一课, 链接:李宏毅《机器学习》_哔哩哔哩_bilibili 之前提到了误差,误差来源与两方面一个是偏差,一个是方差 就像打靶一样,偏差大说明瞄得不够准,打不到中心 方差大说明手不够稳,可能瞄准了,但是手抖了,子弹打得很稀疏而不是密集的分布在中心附近 模型的欠拟合会导致偏差大,也就是模型考虑得太少,参数选择少了,此时就要考虑加入更多的影响结果的因素,或者考虑更多次幂更复杂的模型。欠拟合的时候即使增加更多的数据也无济于事。 模型的过拟合会导致方差大,过拟
2021-10-15 19:16:44 72
原创 机器学习初探(day2)
以下所有学习内容源于李宏毅老师的《机器学习》一课, 链接:李宏毅《机器学习》_哔哩哔哩_bilibili 做事我们总是喜欢做从简单的做起,就想我们拿笔画线会从直线画起一样。 那机器学习就从 回归 开始吧: 第一、线性假设:假设模型是线性模型 即, x即影响结果的有限个属性,我们为便于计算一般用矩阵来表示; w即weight代表每个属性对应的权重值,我们也一般用矩阵来表示; b即bias代表偏移。 第二、模型评估,损失函数的选...
2021-10-13 23:42:58 71
原创 机器学习初探(day1)
以下所有学习内容源于李宏毅老师的《机器学习》一课, 链接:李宏毅《机器学习》_哔哩哔哩_bilibili ----------------------------------------- 机器学习即系统通过执行某个方式改进它的性能,在我的理解就是让计算机或者机器人拥有自主学习的能力。完整的机器学习过程离不开data,机器学习的对象也是data,包括数字、文字、图像、语音或者它们的组合。数据的集合也就是我们说的数据集(dataset),数据集根据使用方法又会分为训练(train)数据集和测试(test
2021-10-11 23:35:43 127
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