- 博客(3)
- 收藏
- 关注
RSS订阅原创 机器学习——深度学习介绍和反向传播
深度学习是机器学习中的一种方法，是一种非线性模型。因此，深度学习依然遵循着机器学习的三个步骤。第一个步骤是定义一列函数，深度学习中用神经网络来定义；第二个步骤是模型评估，通过计算损失函数决定，深度学习需要用交叉熵的算法计算局部损失，之后再将所有局部损失加和计算总体损失；第三个步骤是选择最优函数，往往用梯度下降法，由于深度学习涉及的参数繁多，故采用反向传播计算。...
2022-01-19 19:07:33
346
原创 机器学习——误差和梯度下降法
这节是对上一节知识点的进一步扩展。如何选择模型呢？误差越小越好吗？不是的！这里的误差的来源有偏差和方差,两种来源的误差对应着两种数据拟合问题，过拟合和欠拟合。如果一个模型可以在数据集的基础上减少这两种误差就完美了。接下来就采用N折交叉验证，平均误差最小的模型即是我们想要的模型。如何求解模型中的未知参数？梯度下降法！学习率如何确定，用Adagrad算法；怎么提高梯度下降的效率，随机梯度下降法；如何更快收敛，特征放缩。最后还有用泰勒公式推导梯度下降法的公式回答几个问题：1、过拟合与欠拟合在数据集上各有..
2022-01-19 19:02:08
149
原创 机器学习——回归分析
理论部分： 平常接触最多的就是回归分析了，统计学中的回归分析主要强调的是解释变量与被解释变量之间的相关关系，并在假设检验的基础上进行参数估计，往往重视这个方程是否显著，各个参数是否显著。机器学习中的回归有点不同，把解释变量看成是一种输入，被解释变量视为一种输出，更加强调找到最优函数，没有假设，而是用训练数据来提取信息，再由测试数据验证结果，哪个模型的平均残差小，就选择哪个模型。笔记...
2022-01-19 18:36:52
619
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