机器学习
文章平均质量分 86
yozci
这个作者很懒,什么都没留下…
展开
-
降低损失:梯度下降法
降低损失:梯度下降法回归问题: 产生的损失与w1的图形始终是凹型(碗状图)凹形只有一个 最低点 :即只存在一个 斜率正好为0 的位置这个最低点就是 损失函数收敛 之处不过通过计算整个数据集中w1每个可能值得损失函数来找到收敛点效率过于低下,引出 梯度下降法梯度下降法① 为 w1 选择一个 起点 。ps:起点并不重要,所以大多算法直接将 w1 设为 0 或者 随机选择一个值② 计算损失曲线在起点处的 梯度 ,换言之,梯度是 偏导数 的矢量,了解哪个方向距离目标“更近”或“更远”损失相原创 2020-11-05 14:05:57 · 251 阅读 · 0 评论 -
降低损失:迭代方法
降低损失:迭代方法迭代学习 类似与 “Hot and Cold” 这类儿童游戏”隐藏的物品 就是最佳模型预测推理 逐步接近目标以下为机器学习算法用于训练模型的迭代试错过程整个机器学习过程中使用相同的 迭代方法 详细说明各种复杂情况,尤其处于 暴风雨中的蓝云区域“模型” 部分将 一个或多个特征 作为输入,然后返回 一个预测(y’) 作为输出先进行简化,考虑一种采用一个特征并返回一个预测的模型 y' = b + w1x1对于线性回归问题,事实证明 初始值并不重要随便取值:原创 2020-11-03 11:58:54 · 281 阅读 · 0 评论 -
深入了解机器学习:训练与损失
深入了解机器学习:训练与损失训练模型 通过有标签样本学习并确定 所有权重和偏差的理想值经验风险最小化: 监督式学习中,算法通过以下方式构建模型检查多个样本并尝试找出可最大限度地减少损失的模型损失 是对糟糕预测的惩罚① 一个数值,表示 单个样本 对模型预测的准确程度② 模型预测完成准确,则损失为零,否则损失会较大训练模型的 目标:从所有样本中找到一组平均损失 “ 较小 ” 的权重和偏差eq.从两张图中可知,第一张图损失较大,第二张图损失较小一图 红色箭头 比 对应的二图 红色原创 2020-11-02 21:28:45 · 496 阅读 · 0 评论 -
深入了解机器学习:线性回归
深入了解机器学习:线性回归数据绘制成表:每分钟虫鸣声与温度之间的关系 可否认为是线性关系?绘制一条直线 可以看出 每分钟虫鸣声与温度 之间应是线性关系。运用代数关系:y = mx+by 指的是温度(以摄氏度表示),即我们试图预测的值。**m **指的是温度(以摄氏度表示),即我们试图预测的值。x 指的是每分钟的鸣叫声次数,即输入特征的值。**b **指的是 y 轴截距。机器学习的模型方程式y' = w1x1+by’ 指的是预测标签(理想输出值)。b 指的是偏差(y 轴原创 2020-11-02 12:51:21 · 140 阅读 · 0 评论 -
Google 机器学习——框架处理
机器学习Google框架处理课程视频框架处理什么是(监督式)机器学习?机器学习系统通过学习如何组合输入信息来对从未见过的数据做出有用的预测基本术语标签:要预测的事物,简单线性回归中的y变量可以是小麦未来的价格、图片中的动物品种特征:输入变量,简单线性回归中的x变量简单的机器学习项目可能会使用单个特征,比较复杂的机器学习项目可能会使用数百万个特征,按如下方式指定 ↓X1,X2,X3,X4,……,XN样本:数据的特定实例:X0样本分为两类:1、有标签样本 2、无标原创 2020-10-27 21:06:07 · 162 阅读 · 0 评论