李宏毅机器学习
文章平均质量分 82
11
王蒟蒻
蒟蒻
展开
-
3-机器学习误差分析
ErrorErrorError (误差)的主要有两个来源,分别是 biasbiasbias (偏差)和 variancevariancevariance (方差)三者之间的联系机器学习中的 Bias(偏差)、Error(误差)、Variance(方差)有什么区别和联系? - 修宇亮的回答 - 知乎 https://www.zhihu.com/question/27068705/answer/137487142机器学习中的 Bias(偏差)、Error(误差)、Variance(方差)有什么区原创 2021-04-20 20:12:41 · 1308 阅读 · 5 评论 -
11-为什么要深度学习
为什么要深度学习矮胖结构 v.s. 高瘦结构结论network变高对performance是很有帮助的,network变宽对performance帮助没有那么好的原因假设使用上图的模型去train,由于boys with long hair的data较少(没有太多的training data),所以这个boys with long hair的classifier就比较weak(performance比较差)现在就是不直接去分类长头发男生还是短头发男生,而是我们先输入一张图片,判断原创 2021-04-30 17:15:59 · 589 阅读 · 1 评论 -
2-回归
回归:Regression 就是找到一个函数 functionfunctionfunction ,通过输入特征 xxx,输出一个数值 ScalarScalarScalar。模型步骤模型假设,选择模型框架假设使用线性模型x:表示特征值w:表示特征值权值b:表示偏移量模型评估,如何判断众多模型的好坏(损失函数)从数学的角度来讲,我们使用距离。求【进化后的CP值】与【模型预测的CP值】差,来判定模型的好坏。也就是使用损失函数(Loss function) 来衡量模型的好坏模型优化,如何筛选最原创 2021-04-20 16:05:18 · 303 阅读 · 1 评论 -
Anaconda 安装和使用
原文 https://www.cnblogs.com/Leo_wl/p/9116506.htmlAnaconda介绍安装python的方法有很多种,数据分析方面比较常用Anaconda。Anaconda是一个开源的Python发行版本,其包含了conda、Python等多个科学包及其依赖项,也可以使用Miniconda这个较小的发行版,仅包含conda和 Python。Anaconda可以管理包,就是能够安装、更新、移除工具包,比如Numpy、Scipy、pandas、Scikit-learn等数据分原创 2021-06-05 16:59:17 · 504 阅读 · 0 评论 -
5-概率分类模型
概念分类要找一个 functionfunctionfunction 函数,输入对象 xxx 特征, 输出是该对象属于 nnn 个类别中是属于哪一个。例子1:比如信用评分【二分类问题】输入:收入,储蓄,行业,年龄,金融史…输出:是否拒绝拒绝贷款例子2:比如医疗诊断【多分类问题】输入:当前症状,年龄,性别,医疗史…输出:患了哪种疾病总体步骤模型选择回归模型类别1:相当于target是 111。类别2:相当于target是 −1-1−1。然后训练模型:因为是个数值,如原创 2021-04-21 16:08:10 · 845 阅读 · 1 评论 -
4-梯度下降
方法η\etaη 叫做Learning rates(学习速率)调整学习率缘由学习速率的大小调整不能太大也不能太小使用参数改变对损失函数的影响来进行可视化[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JF3sG7Uu-1618975624998)(C:\Users\wangxiaobing\Desktop\机器学习笔记大全\我的机器学习笔记\图片\chapter6-3.png)]自适应学习率通常刚开始,初始点会距离最低点比较远,所以使用大一点原创 2021-04-21 11:30:24 · 347 阅读 · 2 评论 -
6-逻辑回归
逻辑回归损失函数逻辑函数与线性回归损失函数能否用平方差平方误差在距离target很远的时候,微分值非常小,会造成移动的速度非常慢,这就是很差的效果了。判别模型VS生成模型逻辑回归的方法称为Discriminative(判别) 方法生成模型假设了遵循高斯分布,所以有一些情况,它会假设是概率小,机器自行脑补可能性优劣上面的实验判别法比生成法好,但其他情况判别不一定会比生成方法好生成方法的优势:训练集数据量很小的情况;因为判别方法没有做任何假设,就是看着训练集来计算,训原创 2021-04-22 11:33:14 · 315 阅读 · 0 评论 -
9-深度学习初试
深度学习提示神经网络的表现小结:如果training set上的结果变现不好,那么就要去neural network在一些调整,如果在testing set表现的很好,就意味成功了。如何改进神经网络——改进training新的激活函数梯度消失现象:比较靠近input 的几层Gradient值十分小,靠近output的几层Gradient会很大,影响:当你设定相同的learning rate时,靠近input layer 的参数updata会很慢,靠近output layer的参数upda原创 2021-04-30 17:26:42 · 584 阅读 · 4 评论 -
7-深度学习简介
深度学习三步骤普遍性定理对于任何一个连续的函数,都可以用足够多的隐藏层来表示神经网络完全连接前馈神经网络输入层(Input Layer):1层隐藏层(Hidden Layer):N层输出层(Output Layer):1层全链接因为layer1与layer2之间两两都有连接,所以叫做Fully Connect;前馈前馈(feedforward)也可以称为前向,从信号流向来理解就是输入信号进入网络后,信号流动是单向的,即信号从前一层流向后一层,一直到输出层,其中任意两层原创 2021-04-22 17:09:25 · 339 阅读 · 0 评论 -
1-机器学习概论
概念人工智慧、机器学习、深度学习人工智慧是我们想要达成的目标,而机器学习是想要达成目标的手段,希望机器通过学习方式,他跟人一样聪明。而深度学习和机器学习有什么关系呢?深度学习就是机器学习的其中一种方法。hand-crafted rules就是大量IF 构成没办法考虑到所有的可能性,它非常的僵化,人类想不到东西,就没办法写规则,没有写规则,机器就不知道要怎么办。很多chat-bot看起来非常的聪明。如果你是有一个是一个非常大的企业,他给以派给成千上万的工程师,用血汗的方式来建出数以原创 2021-04-20 15:24:36 · 391 阅读 · 1 评论