在第一讲上中的线性模型是不是太简单了?如果蓝线不能成功表达红线怎么办?出现这种模型的限制,我们称为模型偏差
为了更好的模拟红色曲线,我们假设红色是一个常数(图中直线)多条这样蓝色曲线组成)
推广:
所有的折线都可以这样变
曲线同理
approximation 接近,近似
sufficient 足够的,充足的
如何用一个函数逼近蓝色线,使用Sigmoid Function 函数,进行逼近,通过w,b,c,调整函数使得左右函数转换。
w、b、c 对函数的影响
因此对第一节(上)中的模型进行进化
首先是单独一天的模型
然后是进展到好几天的模型
使用图像将他画出来
构造新的变量r1、r2、r3来进行整合
然后将其向量化
所以画到最后为
然后整个式子变成下方所示:
最后为
所以构造那么多参数以后,如何找函数的参数呢?
进入第二步,构造损失函数
损失函数的构造方式:
构造方式为:
通过一层一层迭代的方式找到最后的值
一种新的分迭代参数方式
这里有了一个新的概念,迭代和更新的关系
使用 Rectified Linear Unit(ReLU)对Sigmod函数进行替换
注意i 和 2i 也称为激活函数
预测结果:(调整ReLU个数)
调整迭代次数
提一个小梗:汉左将军宜城亭侯中山靖王之后 刘备
把上面的各个层次叫一个名字,分别是神经元,神经网络
后来就叫做深度学习
本节完