![ba0b0e9e0431a67c61845ce3af21394e.png](https://img-blog.csdnimg.cn/img_convert/ba0b0e9e0431a67c61845ce3af21394e.png)
解析:
首先你要明确 超参数 和 参数 的差别:
超参数通常是你为了定义模型,需要提前敲定的东西(比如多项式拟合的最高次数,svm选择的核函数);
参数是你确定了超参数(比如用最高3次的多项式回归),学习到的参数(比如多项式回归的系数)另外可以把机器学习视作 表达 + 优化。
其中表达的部分,各种模型会有各种不同的形态(线性回归 逻辑回归 SVM 树模型),但是确定了用某个模型(比如逻辑回归)去解决问题,你需要知道当前模型要达到更好的效果;
优化方向在哪,这个时候就要借助损失函数了。
下面就是一个小例子,一样的打分函数,选用不同的loss function会变成不同的模型
![7962597a19cca897849d3e7d1caa774c.png](https://img-blog.csdnimg.cn/img_convert/7962597a19cca897849d3e7d1caa774c.png)
图片来自 http:// cs231n.github.io/linear -classify/
更深入的内容欢迎查阅更多机器学习的资料,或者参与机器学习相关的课程,来参与讨论
更多面试题可点击查看↓
AI笔试面试题库 - 七月在线www.julyedu.com![e1e0bfe8e1e6014e71c154bf24fb52c6.png](https://img-blog.csdnimg.cn/img_convert/e1e0bfe8e1e6014e71c154bf24fb52c6.png)
看完这篇内容后,相信以下三件事,也会对你的个人提升有所帮助:
1、点赞,让更多人能看到这篇内容,同时你的认可也会鼓励我创作更多优质内容。
2、让自己变的更强:七月在线放出了大量免费公开课,包含了算法、机器学习、深度学习、Python、天池/kaggle实战、IT面试求职、机器学习中的数学。也不乏我们与阿里云天池/PAI联合发布的课程。
请点击查看↓
3、关注微信公众号“七月在线实验室”,在公众号内发“干货”。即可获得BAT面试题100道、【全体系人工智能学习资料】、【NLP工程师必备干货资料】!