深度学习day02 线性模型
线性模型的三个步骤
- DataSet选择数据集
- Model选择模型
- Training训练模型,确定权重
- inferring预测推理
监督学习
事先已经知道了预测的标签值,这样再去训练这个模型,叫做监督学习。如果我们事先不知道预测的标签值,那就叫做无监督学习。
过拟合
模型在训练集中拟合的过好,但是在测试集中表现的并不好。
泛化能力
泛化能力指模型对于它没见过的图像的识别能力。为了提高模型的泛化能力,通常把训练集划分为训练和验证(开发)两个部分。
平均平方误差MSE
模型代码:枚举法
Visdom实时可视化工具包
要会定期存盘(将模型运行崩盘前几天的数据存下来)
range函数语法
axis用法
生成随机数组np.random.randint(1,100,size=(3,4))
Jupyter Notebook的快捷键
线性模型代码实战
import numpy as np
import matplotlib.pyplot as plt
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
def forward(x):
return x * w
def loss(x, y):
return (x - y) ** 2
# 穷举法
w_list = []
mse_list = []
for w in np.arange(0.0, 4.1, 0.1):
print("w=", w)
l_sum = 0
for x_val, y_true_val in zip(x_data, y_data):
y_pred_val = forward(x_val)
loss_val = loss(y_pred_val, y_true_val)
l_sum += loss_val
print('\t', x_val, y_true_val, y_pred_val, loss_val)
print('MSE=', l_sum / 3)
w_list.append(w)
mse_list.append(l_sum / 3)
plt.plot(w_list, mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()