Roar_Ryoma的博客

前言 线性回归是机器学习最基础的一个模型，也是我们理解之后所有深度学习模型的基础。 线性回归 拓展一下如下： 注：这里为【显式解】

前言 这几天一直在看B站王木头的视频，仔细阐述了我最初认识神经网络的遇到的但是好像没人在意的问题，讲得非常棒。 矩阵的求导运算 对于机器学习或者是说深度学习来讲，所有的优化模型的求解都是通过求导数来进行的。 先来回忆一下标量的求导 标量 y 对 n 维列向量 x=(x1,x2,⋯,xn)T 求导，其结果还是一个 n 维列向量。 标量 y 对 n 维行向量 xT=(x1,x2,⋯,xn) 求导，其结果还是一个 n 维行向量。 形状规则：标量 y 对向量 x 的每个元素求导，然后将各个求导结果按向量

前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 线性代数 标量 二、使用步骤 1.引入库 总结 提示：这里对文章进行总结： 例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。 ...

前言 这一部分笔记讲解的是数据的一些操作及其预处理，涉及torch库，numpy库，以及pandas库，有疑问可以直接搜这些库。 数据操作 1. N维数组是机器学习和神经网络的主要数据结构。 下面是N维数组样例： 2. 创建数组 访问元素 在jupyter中实践一下，import numpy引入numpy库 定义一个二维数组： 而后访问一些元素： 前四个访问都好理解，只需要注意索引是从0开始，和别的编程语言一样，且冒号左右指的是一个左闭右开的区间，然后最后一个子区域[::3,::2]中的元

学习目标： 提示：这里可以添加学习目标 例如：一周掌握 Java 入门知识 学习内容： 提示：这里可以添加要学的内容 例如： 1、 搭建 Java 开发环境 2、 掌握 Java 基本语法 3、 掌握条件语句 4、 掌握循环语句 学习时间： 提示：这里可以添加计划学习的时间 例如： 1、 周一至周五晚上 7 点—晚上9点 2、 周六上午 9 点-上午 11 点 3、 周日下午 3 点-下午 6 点 学习产出： 提示：这里统计学习计划的总量 例如： 1、 技术笔记 2 遍 2、CSDN 技术博客 3 篇