![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
李宏毅苹果书(入门)
文章平均质量分 92
初步入门机器学习
MrBlackmzq
这个作者很懒,什么都没留下…
展开
-
Datawhale X 李宏毅苹果书(入门) AI夏令营 task01笔记
如图所示,先随便选一个初始的值,先计算一下 w 对 L 的微分和 b 对 L 的微分,接下来更新 w 跟 b,更新的方向就是 ∂L/∂w乘以 η 再乘以一个负号,算出这个微分的值,就可以决定 w 要怎么更新,b同理,把 w 跟 b 更新的方向结合起来,就是一个向量,在图上显示为红色的箭头,以此类推,一直移动,期待最后可以找出一组不错的 w, b。这里指的“找一个函数”,指的是找一个能够描述一个场景数学规律的函数模型,具体方法大致是:让机器运行算法,通过输入的数据,确定合适的函数参数,逼近实际场景。原创 2024-08-26 11:44:05 · 1007 阅读 · 0 评论 -
Datawhale X 李宏毅苹果书(入门) AI夏令营 task03笔记
图 2.4(a)横轴指的是训练的过程,就是参数更新的过程,随着参数的更新,损失会越来越低,但是结果20 层的损失比较低,56 层的损失还比较高。再跑 1 层、2 层跟4层之后显示,所有的模型的结果都不好,2层跟 3 层的错误率都是 2 千多,其实4层跟1层比较好,都是 1800 左右,但是这四个模型不约而同的觉得 2 月 26 日应该是个低点,但实际上 2 月 26 日是一个峰值,模型其实会觉得它是一个低点,也不能怪它,因为根据过去的 数据,周五晚上大家都出去玩了。,让模型不要有过大的灵活性。原创 2024-09-01 20:49:40 · 834 阅读 · 0 评论 -
Datawhale X 李宏毅苹果书(入门) AI夏令营 task02笔记
之前是 L(w, b),因为 w 跟 b 是未知的。现在未知的参数很多了,再把它一个一个列出来太累了,所以直接用 θ 来统设所有的参数,所以损失函数就变成 L(θ)。损失函数能够判断 θ 的好坏,其计算方法跟刚才只有两个参数的时候是一样的。先给定 θ 的值,即某一组 W, b, cT, b 的值,再把一种特征 x 代进去,得到估测出来的 y,再计算一下跟真实的标签之间的误差 e。把所有的误差通通加起来,就得到损失。原创 2024-08-29 23:23:20 · 1315 阅读 · 0 评论