机器学习
文章平均质量分 91
黄大仙No.1
黄大仙
展开
-
机器学习笔记 第二篇 (梯度下降法原理、过拟合、误差函数为什么用平方而非绝对值)
首先需理解第一篇内容点击前往梯度下降法原理如何随机上篇中的W0,W1 (W)对于上篇中的下图:w0调整假设现在随机到的W(即w0,w1)在图中位置,很明显,如果我们想要使J()尽可能的小(也就是我们的误差函数的值尽可能小),需要将w1往小调整,w0往大调整,那么具体调整多少?先看下图该图为第一章图从某方向看的二维图,最下方是我们想要取到的w0的值,那么,很明显,在虚线的左边,J()对w0的偏导数小于0,在虚线右边,J()对w0的偏导数大于0所以,在对w0偏导数小于0时,我们应该往大调整w原创 2021-12-10 15:05:18 · 1519 阅读 · 0 评论 -
机器学习学习笔记第一篇(线性回归算法的理解)
学习机器学习前,需要掌握下图知识科普:数据量决定了模型的高度、算法只是逼近这个高度,大数据是机器学习的根基人工智能:目标机器学习:手段大数据:机器学习的根基深度学习(神经网络)人工智能:目标、交叉学科最简单的线性回归算法y=w0+w1x正常情况下,二点确定一条直线x=1,y=2x=2,y=3如果有多个点,则很可能无法找到同时经过这些点的直线,此时空间的点到直线距离最短的直线为需要寻找的完美直线那么交给机器该如何寻找呢,首先机器处理的肯定是数值,不是人肉眼看到的,所以我原创 2021-12-10 09:52:22 · 734 阅读 · 0 评论