李宏毅机器学习
文章平均质量分 81
苏晨星
现就读于国防科技大学,Datawhale正式成员,公共安全大数据研究所成员。
展开
-
day06-卷积神经网络
目录心得体会心得体会本次主要学习了卷积神经网络。卷积神经网络与普通神经网络的区别在于,卷积神经网络包含了一个由卷积层和子采样层构成的特征抽取器。在卷积神经网络的卷积层中,一个神经元只与部分邻层神经元连接。在CNN的一个卷积层中,通常包含若干个特征平面(featureMap),每个特征平面由一些矩形排列的的神经元组成,同一特征平面的神经元共享权值,这里共享的权值就是卷积核。卷积核一般以随机小数矩阵的形式初始化,在网络的训练过程中卷积核将学习得到合理的权值。共享权值(卷积核)带来的直接好处是减少网络各原创 2021-09-25 20:48:36 · 328 阅读 · 0 评论 -
day05-网络设计的技巧
目录心得体会心得体会本次主要学习了如何设计网络,也主要体现在如何优化梯度上,设计学习率,处理局部最小值与鞍点。可以考虑使用Adam调整学习率神经网络可能陷入 Critical Point 而训练不起来,当神经网络被困于critical point时,有不同的方法可以使模型脱困实现optimization。在这里感谢datawhale开源社区的小伙伴们给予的学习帮助,今后的学习也要一样加油呀提示:以下是本篇文章正文内容参考资料:机器学习视频:https://www.bilibili.co原创 2021-09-22 22:13:46 · 82 阅读 · 0 评论 -
day4-深度学习介绍与反向传播机制
目录心得体会知识解析一、过拟合与欠拟合(1)什么是欠拟合?如何解决欠拟合?心得体会李宏毅老师本次讲解了深度学习的入门,遵循机器学习的三大步骤:神经网络、模型评估、选择最优函数。随着中间使用层数的增加,引入了普遍性定理来解决相关问题,介绍了一种高效的梯度计算方法:反向传播在这里感谢datawhale开源社区的小伙伴们给予的学习帮助,今后的学习也要一样加油呀提示:以下是本篇文章正文内容知识解析一、过拟合与欠拟合(1)什么是欠拟合?欠拟合是指模型不能在训练集上获得足够低的误差。换句换说,原创 2021-09-19 17:26:03 · 145 阅读 · 0 评论 -
day03-误差与梯度下降
目录心得体会模型步骤一、模型假设 - 线性模型二、模型评估 - 损失函数三、最佳模型 - 梯度下降四、模型优化回归演示问题补充与解决心得体会李宏毅老师的讲课幽默风趣,举了宝可梦的例子帮助理解,带入其中来解决实际问题。学到了很多之前没注意到的知识点,例如在做正则化操作时,不需要考虑bias的影响(bias的调整只是将目标函数的图像上下移动,不影响平滑度)。学习了回归问题的模型,首先进行模型假设,然后模型评估,选出优秀模型,最后进行模型优化。解决了如何避免陷入鞍点梯度下降如何跳过局部最优等问题。在这原创 2021-09-17 18:34:25 · 265 阅读 · 0 评论 -
day02-回归定义和应用
目录心得体会模型步骤一、模型假设 - 线性模型二、模型评估 - 损失函数三、最佳模型 - 梯度下降四、模型优化回归演示问题补充与解决心得体会学习了回归问题的模型,首先进行模型假设,然后模型评估,选出优秀模型,最后进行模型优化。解决了如何避免陷入鞍点梯度下降如何跳过局部最优等问题。在这里感谢datawhale开源社区的小伙伴们给予的学习帮助,今后的学习也要一样加油呀提示:以下是本篇文章正文内容模型步骤step1:模型假设,选择模型框架(线性模型)step2:模型评估,如何判断众多模型的原创 2021-09-15 18:09:56 · 111 阅读 · 0 评论 -
day1-李宏毅机器学习
目录心得体会一、hand-crafted rules二、三类学习方法三、迁移学习四、强化学习心得体会今天开始参加开源学习组织datawhale的组队学习--李宏毅机器学习,再次写一系列文章记录我的学习笔记与感悟。李宏毅老师的讲课生动形象,中间自然而然穿插的英语让人听起来很舒服,有点口音也让人觉得课堂很有趣。初识机器学习,首先是机器学习的步骤(如何将大象放入冰箱?)第一个步骤就是找一个function,第二个步骤让machine可以衡量一个function是好还是不好,第三个步骤是让machine原创 2021-09-13 20:18:03 · 291 阅读 · 0 评论