机器学习
文章平均质量分 76
读研之后,导师是做教育数据方面的深度学习应用,目前处于扫盲阶段,要努力学习呀! 目前计划过一遍李宏毅老师和吴恩达老师的课程:
李宏毅课程链接:http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML20.html
冲冲冲!
章鱼bro
又菜又懒,努力对我来说实属不易,如果我的文章对你有帮助,希望你能点个赞鼓励一下,Thanks♪(・ω・)ノ
展开
-
1.3 Gradient Descent
1.3 Gradient Descent这一节主要讲解Gradient Descent中的一些使用技巧。Tip 1: Tuning your learning rates当我们设置学习率时,如果学习率设置很小,Loss Function的值有可能下降的很慢;若果设置的学习路较大,Loss Function的值开始时下降的很快,但是之后没有变化,有可能是因为因为步伐太大,一直在最优解附近左右横跳;如果学习率非常大,则有可能LossFunction的值会直接增加,因为直接跳过了最优解,到了更差的位置。原创 2021-01-12 00:25:08 · 180 阅读 · 0 评论 -
1.2 Bise and Variance
Bise and Variance本节主要是讲Error的两个来源:Bise 和 Variance1. Error与Bise和Variance的关系从上节课的结尾来看,当增加四次项和五次项时,Error增加,主要可归咎于Bise和Variance两个方面。首先,Error的含义:设我们找到的目标函数为f,真实地函数为f(帽),Error则为两者之间的差距。用打靶来类比,靶心为f(帽),我们的命中点为f则Bise代表我们瞄准的位置与靶心的误差(因为我们不知道f(帽),所以我们没有瞄准靶心,只是原创 2021-01-11 00:51:28 · 201 阅读 · 0 评论 -
1.1 Regression
Regression构建一个模型分为四部,Set a model,Goodness of the function,Best function,Optimize the model.这里的model是一组函数,本节课使用的是linear model:原创 2021-01-07 20:50:01 · 240 阅读 · 0 评论 -
0.Introduction
Introduction机器学习的过程就是机器自动寻找合适函数的过程,最终的目的就是得到一个函数。有关寻找一个合适函数的方法有三个方面的问题:1.按照目的,想要找的函数是什么类型的?(1)如果函数的输出为一个具体的数值,则可以属于回归(Regression),比如房价预测,比如PM2.5预测。(2)如果函数的输出只有Y和N,是一个判断,则属于分类(Classification);除此之外,如果需要的输出是多重判断,比如给一张图片判断是是猫是狗是老鼠,则属于(Multi-Classification)原创 2021-01-04 16:50:01 · 97 阅读 · 0 评论 -
ReadMe
文章目录专栏说明1.关于内容来源2.写一段代码鼓励一下自己总结专栏说明这篇文章是我用来联系CSDN编辑器的,为以后写出漂亮文章做准备,加油ヾ(◍°∇°◍)ノ1.关于内容来源此专栏的内容都是基于李宏毅老师的课程,以后要每学习一章,写一篇总结,逼迫自己做产出,不然老是忘记,就很绝望!课程地址:http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML20.html2.写一段代码鼓励一下自己#include <stdio.h>int main(){原创 2021-01-04 13:03:14 · 128 阅读 · 2 评论