逻辑回归
model loss optimizer
3步,选取model,选择loss很重要,因为可能出现多个极小值。optim用来找到使loss最小的w和b
偏微分计算
model选择
太简单:欠拟合
太复杂:过拟合 ,理论上说复杂的模型包含了简单模型。但数据中有噪音会影响到
过拟合,可以选择更多特征作为解决方法,弱化w影响,加入正则项
过拟合本质是有噪音的影响,特征中的噪音,或者权重与噪音的结合引起的。但不知道哪个是噪音,可以选择正则项,使得弱化权重来减少输入的变化对输出的影响,让loss输出更平滑,也就是让loss符合多数的特征,弱化跳变的噪音对loss的影响,b对平滑和输入x没影响,只影响上下。
加入正则,影响loss的有error和正则两项,如果正则变大,则越平滑,正则占比大,不会过度拟合。有可能error变大,但这真是我们想要的,我们并非想要完全拟合的。
正则的太大太平滑,有可能又到时error过大,欠拟合,所以需要找打一个中间的拉姆达
regular选择
深度学习
- 深度学习相较于机器学习在function变复杂了,loss optimize都没变
- 全连接层的wx+b,用矩阵相乘的形式做代替
深度学习和宽度学习比较
- 通过每层分工完成任务,可以需要较少的数据,完成任务。
- 正是数据少,才需要学习特征,解决未知的数据。
- 如果数据都知道,那就不用学习
- 启发:如果把数据都变成已知的,就很好训练。
- 实践:不同标签字不一样,但经过模糊处理后,基本分布就相同。相当于找到了最普遍的特征。
前项传播和后向传播
- 都是为了计算梯度
- 前项算w,后项算z梯度
- 最后整合起来算出真正梯度
训练技巧
- 欠拟合,参数不够,无法拟合函数
- 训练次数,导致找到极值点
CNN
- 将全连接的参数简化
- 相当于把全连接的有些nerual的权重值为0,或去掉,
- 在全连接层本来每个nerual有独立的weight,卷积相当于把同一层的nerual的权重弄一样,并且减少了weights。
- 卷积相当于把全连接的每层的nerual的权重设相同,再设置一些相同位次下的权重为0
why cnn
- 识别某个物体,不需要看整张图片,所有用convoluted
- 同样一个物体,会出现在图片的不同区域,所有用convoluted
- 对图片进行下采样不改变物体属性,所有用mnaxpooling
- 优点:共享参数,参数更少
撤销:Ctrl/Command + Z
重做:Ctrl/Command + Y
加粗:Ctrl/Command + B
斜体:Ctrl/Command + I
标题:Ctrl/Command + Shift + H
无序列表:Ctrl/Command + Shift + U
有序列表:Ctrl/Command + Shift + O
检查列表:Ctrl/Command + Shift + C
插入代码:Ctrl/Command + Shift + K
插入链接:Ctrl/Command + Shift + L
插入图片:Ctrl/Command + Shift + G
查找:Ctrl/Command + F
替换:Ctrl/Command + G
合理的创建标题,有助于目录的生成
直接输入1次#,并按下space后,将生成1级标题。
输入2次#,并按下space后,将生成2级标题。
以此类推,我们支持6级标题。有助于使用TOC
语法后生成一个完美的目录。
如何改变文本的样式
强调文本 强调文本
加粗文本 加粗文本
标记文本
删除文本
引用文本
H2O is是液体。
210 运算结果是 1024.
插入链接与图片
链接: link.
图片:
带尺寸的图片:
居中的图片:
居中并且带尺寸的图片:
当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。
如何插入一段漂亮的代码片
去博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片
.
// An highlighted block
var foo = 'bar';
生成一个适合你的列表
- 项目
- 项目
- 项目
- 项目
- 项目1
- 项目2
- 项目3
- 计划任务
- 完成任务
创建一个表格
一个简单的表格是这么创建的:
项目 | Value |
---|---|
电脑 | $1600 |
手机 | $12 |
导管 | $1 |
设定内容居中、居左、居右
使用:---------:
居中
使用:----------
居左
使用----------:
居右
第一列 | 第二列 | 第三列 |
---|---|---|
第一列文本居中 | 第二列文本居右 | 第三列文本居左 |
SmartyPants
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:
TYPE | ASCII | HTML |
---|---|---|
Single backticks | 'Isn't this fun?' |
‘Isn’t this fun?’ |
Quotes | "Isn't this fun?" |
“Isn’t this fun?” |
Dashes | -- is en-dash, --- is em-dash |
– is en-dash, — is em-dash |
创建一个自定义列表
-
Markdown
- Text-to- HTML conversion tool Authors
- John
- Luke
如何创建一个注脚
一个具有注脚的文本。1
注释也是必不可少的
Markdown将文本转换为 HTML。
KaTeX数学公式
您可以使用渲染LaTeX数学表达式 KaTeX:
Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n−1)!∀n∈N 是通过欧拉积分
Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. </