深度学习day02 线性模型

线性模型的三个步骤

1. DataSet选择数据集
2. Model选择模型
3. Training训练模型，确定权重
4. 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()

作业：3D图的绘制