- 博客(7)
- 收藏
- 关注
RSS订阅原创 李宏毅机器学习|Task03
Error反映的是整个模型的准确度，Bias反映的是模型在样本上的输出与真实值之间的误差，即模型本身的精准度，Variance反映的是模型每一次输出结果与模型输出期望之间的误差，即模型的稳定性。，小心翼翼调学习率，学习率很小可能下降的速度会很慢，但总会到达，如果学习率太大，可能会越过最低点，可以可视化比较各种大小的学习率下的损失函数随参数更新下降的速度情况，以此来判断学习率是否合适。现在我们面临的问题：很多的模型可选，很多的参数可调，我们要做出权衡，使得总误差最小。对于过拟合，需要喂更多的数据给模型。
2022-08-19 18:26:40
323
1
原创 李宏毅机器学习|Task02
下降到最优处时得到最终的w,b，带入模型，得到一条直线，用模型去泛化，预测其他数据，还行，但拟合的不是特别理想，我们想到用二次模型，或多次模型，引入二次项，可能拟合的更理想，注意最终还是线性模型，因为将二次项还是视作一个特征，图形可视化为一条曲线。：更多特征，但是参数表示得权重 w 可能会使某些特征权值过高，仍旧导致过拟合，所以加入正则化，原来代价函数后面加上一项，该项只考虑w，不包含偏执参数b会比较好，正则项前的λ越大，曲线越越平滑，但不一定越平滑泛化能力越好，需要我们手动调整λ来测试。...
2022-08-17 18:25:55
270
原创 吃瓜教程 | 第五章 神经网络
神经网络中最基本的模型叫做。上图为一直沿用至今的“”，神经元接收到来自n个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接进行传递，神经元接收到的总输入值将于神经元的阈值进行比较，然后通过“”处理以产生神经元的输出。理想的激活函数是阶跃函数，它将输入值映射为输出值“0”或“1”.但因为不连续、不光滑等性质，常用Sigmoid函数作为激活函数。对于单个“M-P神经元”...
2022-07-23 10:12:25
339
原创 吃瓜教程 | 第四章 决策树
决策树(decisiontree)是一类常见的方法.。决策树是基于树结构来进行决策的，通过一系列的判断或“子决策”得到最终决策，其目的是产生一棵泛化能力强，即处理未见示例能力强的决策树。一般的，一棵决策树包含一个根结点、若干个内部结点和若干个叶结点;叶结点对应于决策结果?其他每个结点则对应于一个属性测试;每个结点包含的样本集合根据属性测试的结果被划分到子结点中;...
2022-07-21 10:40:11
211
原创 吃瓜教程 | 第一章 绪论& 第二章 模型评估与选择
机器学习研究的主要内容：关于在计算机上从数据中产生“模型”的算法，即“学习算法”。“模型”泛指从数据中学到的结果。表示含有个示例的数据集，每个示例由个属性描述，称为“维数”。从数据中学得模型的过程称为"学习"或"训练", 这个过程通过执行某个学习算法来完成。训练过程中使用的数据称为"训练数据"，其中每个样本称为一个“训练样本", 训练样本组成的集合称为"训练集"。泛化能力 ：学得模型适用于新样本的能力，称为"泛化" (generalization) 能力。归纳从特殊到一般的"泛化"过程，即从具体的事实归
2022-07-12 11:26:33
92
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人