机器学习_李宏毅笔记简记2

最新推荐文章于 2022-07-25 20:16:13 发布
最新推荐文章于 2022-07-25 20:16:13 发布
阅读量274 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43154149/article/details/114839318
版权

文章目录

P7 Deep Learning

深度学习的发展趋势

在这里插入图片描述

深度学习的三个步骤

在这里插入图片描述

Step1 ： Neural Network

在这里插入图片描述

Fully Connect Feedforward Network（全连接）

在这里插入图片描述在这里插入图片描述

Deep = Many hidden layers
在这里插入图片描述在这里插入图片描述

矩阵运算

在这里插入图片描述在这里插入图片描述在这里插入图片描述

神经网络的本质：通过隐藏层进行特征转换

在这里插入图片描述

示例-手写数字的识别
FAQ：（深度学习的好处：自动提取特征，end-to-end learning，喂数据即可）

在这里插入图片描述

Step2: 模型评估

在这里插入图片描述在这里插入图片描述

Step3：选择最优函数

在这里插入图片描述

P8 Why Deep？

问题1：越深越好？（是的，参数更多，性能更好）

在这里插入图片描述

问题2：为什么不选择宽的而是选择深的？（参数一样的情况下，深的错误率更低）

在这里插入图片描述

解释上面的原因（模组化，共用）

在这里插入图片描述

举例（语音辨识，门电路，剪窗花）
总结：深度更有效率（less parameters -> less data, 深度学习并不是暴力碾压）

在这里插入图片描述在这里插入图片描述

深度学习的终极好处：End-to-end Learning（自动学习）

在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述

解释机器为什么能自动学习：每一层的hidden layer都在做特征转换

在这里插入图片描述在这里插入图片描述在这里插入图片描述

别人优秀的笔记

LeeML-Notes

20年课程网页

【2020春季】李宏毅机器学习(全) - 视频学习

算法研究员
关注
台大_李宏毅PPT_机器学习
10-28
本资源是机器学习 台大教授 李机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。宏毅的授课配PPT讲稿。
李宏毅2020机器学习_课堂作业.zip
04-12
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的...
训练神经网络适合使用交叉熵(cross_entropy)错误率，而不是分类错误率或是均方差
摩登都市天空---专栏
01-02 3319
一. 二次代价函数的不足 对于大多数人来说，犯错是一件让人很不开心的事情。但反过来想，犯错可以让我们意识到自己的不足，然后我们很快就学会下次不能再犯错了。犯的错越多，我们学习进步就越快。 同样的，在神经网络训练当中，当神经网络的输出与标签不一样时，也就是神经网络预测错了，这时我们希望神经网络可以很快地从错误当中学习，然后避免再预测错了。那么现实中，神经网络真的会很快地纠正错误吗？ 我们来看...
为什么在训练神经网络时候比较适合使用交叉熵错误率，而不是分类错误率或是均方差
CY_TEC的博客
07-27 3551
原文：Why You Should Use Cross-Entropy Error Instead Of Classification Error Or Mean Squared Error For Neural Network Classifier Training 在训练神经网络中，使用分类错误率或是均方差往往会丢掉很多有用的信息。 这篇文章的作者就举了一个简单的例子来说明这个问题，我觉得写得
深度学习中的几个错误率和准确率
announced1的博客
04-14 7847
背景： 这段时间搞深度学习，经常被几个错误率和准确率的概念搞懵，今天打算总结下来： 1）正确率（accuracy） 正确率是我们最常见的评价指标，accuracy = （TP+TN）/(P+N)，这个很容易理解，就是被分对的样本数除以所有的样本数，通常来说，正确率越高，分类器越好； 2）错误率（error rate) 错误率则与正确率相反，描述被分类器错分的比例，error rate = (FP+...
机器学习_李宏毅笔记简记
py今天刷题了吗
03-13 261
文章目录P1 机器学习介绍P2 Regrssion==机器学习的三个步骤==过拟合：训练集上表现好，测试集上表现差P3 误差来源正则化（使图像更平滑）交叉验证（把训练集分两部分：一部分训练，一部分验证）别人优秀的笔记 P1 机器学习介绍 人工智能（目标） 》 机器学习（手段） 》 深度学习（方法） 机器学习就是自动找函式 你想找什么函式？ Regression: 输出是一个数值 Binary Classification and Multi-class Classification：输出是一个选项
机器学习_李宏毅笔记简记3
py今天刷题了吗
03-15 257
文章目录P9 Tips for Deep Learning神经网络的表现（只有在training data上表现好，testing data上表现不好才叫overfitting，在training data上表现好再考虑下一步testing data，分别有不同的处理办法）For training data1. New activation function（新的激活函数）Vanishing Gradient Problem（梯度消失）产生原因：（前面变化慢，后面变化快，前面还是随机的时候后面已经收敛了）
机器学习_李宏毅笔记简记5【RNN】
py今天刷题了吗
03-17 259
文章目录Recurrent Neural Network (RNN)Example Application： Slot Filling（把单词切割出来）用前面学过的神经网络（Feedforward network）来做How to represent each word as a vector?（如果表示一个单词？向量）产生的问题：如何判断这个地点是出发的地点还是到达的地点？（用带有”记忆“的神经网络来做，RNN）Recurrent Neural Network (RNN)Long Short-term M
机器学习_李宏毅笔记简记4【CNN】
py今天刷题了吗
03-16 131
文章目录P11 CNN为什么CNN（卷积神经网络）适用于图像处理上（有3个属性都可以用CNN）1. 特征 比整幅图片小2. 相同的特征在不同地方重复出现3. 对像素进行二次采样不会改变对象CNN的架构完美解决这三个问题Convolution v.s. Fully Connected（CNN是对全连接的简化，减少参数，共享权值）CNN in Keras（实战看看）解释CNN工作原理（机器增强自己看到的）CNN的更多应用下围棋（Alpha Go does not use Max Pooling）语音辨识（卷积核
机器学习_李宏毅笔记简记6【Network Compression】
py今天刷题了吗
03-18 139
文章目录Network CompressionWhy Network Compression ?Outline(有以下方法)1. Network PruningWhy Network can be pruned？Network Pruning 步骤Why Pruning? （为什么不直接训练一个小的network？）Network Pruning - Practical Issue（Weight pruning 还是 Neuron pruning 比较好？）Weight pruningNeuron prun
李宏毅 || 机器学习笔记一
JiduoW的博客
07-25 4592
李宏毅机器学习2021/2022年学习笔记
HW_3_李宏毅2020机器学习作业_李宏毅作业3_李宏毅hw3_李宏毅作业三_saledzj_
10-01
《李宏毅2020机器学习作业3：Python实现深度学习基础》 在本次作业中，我们将深入探讨李宏毅教授2020年机器学习课程中的第三部分，主要聚焦于使用Python语言进行深度学习的基本操作。这个作业旨在帮助学生理解和...
HW_1_李宏毅机器学习作业_thatnn8_李宏毅_
10-01
《李宏毅机器学习作业——thatnn8与Python实践》 李宏毅教授的机器学习课程因其深入浅出的讲解而备受赞誉，他的作业设计旨在帮助学生深入理解并掌握机器学习的基本概念和技术。这个名为“HW_1_李宏毅机器学习作业_...
李宏毅机器学习笔记
01-18
李宏毅机器学习笔记，文档文件，笔记全面，总结充分，仅供学习
快手截流协议v1.11（持续更新版本）
09-29
私域引流获客，引流变现，快手截流协议工具。（非市面烂大街不更新的版本）
基于C#的语言课程网设计与实现.docx
09-29
基于C#的语言课程网设计与实现.docx
基于asp.net的在线图片管理系统设计与实现.docx
09-29
基于asp.net的在线图片管理系统设计与实现.docx
【光学】基于matlab均匀分布光子筛成像【含Matlab源码 8064期】.zip
最新发布
09-29
CSDN海神之光上传的全部代码均可运行，亲测可用，尽我所能，为你服务； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、物理应用 仿真：导航、地震、电磁、电路、电能、机械、工业控制、水位控制、直流电机、平面电磁波、管道瞬变流、刚度计算 光学：光栅、杨氏双缝、单缝、多缝、圆孔、矩孔衍射、夫琅禾费、干涉、拉盖尔高斯、光束、光波、涡旋 定位问题：chan、taylor、RSSI、music、卡尔曼滤波UWB 气动学：弹道、气体扩散、龙格库弹道 运动学：倒立摆、泊车 天体学：卫星轨道、姿态 船舶：控制、运动 电磁学：电场分布、电偶极子、永磁同步、变压器
李宏毅机器学习课程笔记：从深度学习到卷积神经网络
"李宏毅的机器学习课程笔记涵盖了从基础的回归分析、梯度上升算法，到分类问题、反向传播、卷积神经网络（CNN）、半监督学习、无监督学习以及线性模型等多个核心主题。这些内容构成了深度学习和机器学习的基础理论与...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值