李宏毅机器学习笔记 1. 机器学习介绍

最新推荐文章于 2022-03-14 23:50:51 发布
最新推荐文章于 2022-03-14 23:50:51 发布
阅读量246 收藏 1
点赞数
分类专栏： 机器学习 文章标签： 机器学习 深度学习
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_43983838/article/details/119720670
版权
本文介绍了机器学习的基本步骤，通过李宏毅老师的观点解析了机器学习的目标和过程，并将其应用于XGBoost模型中。同时，探讨了深度学习在分类问题上的应用，以围棋为例，展示了深度学习如何视为一个多类别问题。
摘要由CSDN通过智能技术生成

最近在跟着Datawhale组队学习打卡，学习李宏毅的机器学习/深度学习的课程。
课程视频：https://www.bilibili.com/video/BV1Ht411g7Ef
开源内容：https://github.com/datawhalechina/leeml-notes
另外，最近我也在学习邱锡鹏教授的《神经网络与深度学习》，会补充书上的一点内容。

1. 机器学习的步骤

在听课之前，我使用过XGBoost模型进行预测，只知道把training data, testing data喂给模型，就可以对testing data进行预测了。

1.1 李宏毅老师对机器学习步骤的讲解

李宏毅老师的讲解真的是深入浅出。
在这里插入图片描述

机器学习的目标：找一个function，输入一张图片，然后输出图片里面有什么样的东西

机器学习的步骤：

  1. 在function set(也就是model)中有很多function
  2. training set告诉机器输入输出是什么；因此，机器可以判断什么是好的function（比如上图中的
最低0.47元/天 解锁文章
Simone Zeng
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
[机器学习入门] 经典台大李宏毅机器学习课程从这里开始
Holeung blog
08-21 8万+
TOPIC CONTENTS BLOG PDF VIDEO 【1】Learning Map（学习导图） blog pdf video 【2】Regression：Case Study ；回归：案例研究 blog pdf video 【3】Gradient Descent ；梯度下降 blog pdf video 【4
李宏毅机器学习（十一）meta-learning和ML一样是三个步骤
qq_35222729的博客
08-31 642
Meta-learning就是教会它怎么学！ 大家以为AI都是很牛，但其实就是在调参，在工业界怎么样子调参呢？ 使用1000GPUs，而学业界只有一张！ 我们知道Machine learning可以学出来，那么hyperparameters是不是能学出来呢？ 我们回顾一下Machine Learing！其实就是三个步骤： 这里，我们定义了函数f(θ\thetaθ)，我们需要找到那个使得L(θ\thetaθ)最小的θ∗\theta^*θ∗! 同时使用fθ∗f_{\theta^*}fθ∗​成为最终的模型训练！
李宏毅老师2020机器学习（深度学习）——知识点总结篇（1-20）
阿芒Aris的博客
10-14 3595
李宏毅老师2020机器学习——知识点总结篇（持续更新）
李宏毅《机器学习》——P1 机器学习介绍、P2 为什么要学习机器学习
xiaosandian的博客
03-14 1262
一、人工智慧、机器学习和深度学习 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。深度学习是机器学习的其中一种方法。 二、机器学习的步骤 machine learning所做的事情，你可以想成就是在寻找一个function，要让机器具有一个能力，这种能力是根据你提供给他的资料，它去寻找出我们要寻找的function。还有很多关键问题都可以想成是我们就是需要一个function。以下是怎么找出想要的function： 准备一个function s
李宏毅机器学习课程6~~~深度学习入门
jiandanjinxin的专栏
07-30 1561
深度学习历史深度学习经典步骤神经网络的符合标记含义Wij 代表的是从神经元ｊ到神经元ｉ，这样写的目的是便于表达，否则最后的表达式子就是Wij的转置，细节见下面。每个神经元的偏执值组成一个向量ｂ单个神经元的输出结果 所有神经元输出的结果深度学习示例数字识别将图片reshape到一列（按行reshape或者按列reshape均可），类别可用0ne-hot来标记。深度学习损失函数批量算损失，梯度下降法去
【机器学习】day1: 机器学习介绍（李宏毅）
elephant_my的博客
03-14 2063
1. 机器学习分为三个步骤：第一个步骤是找一个function，第二个步骤是让机器可以衡量一个function是好还是坏，第三个步骤是让机器有一个自动的方法或者是有一个好的演算方法可以找出最好的function。 2. 机器学习的任务除了回归和分类还有结构化学习。 3. 机器学习中相关的技术包括：监督学习、半监督学习、迁移学习、无监督学习、强化学习。 4. 监督学习中的结构化学习使用的场景包括：语音识别、机器翻译、人脸识别。
李宏毅机器学习课程梳理【三】：分类问题
-Belladonna的博客
05-16 456
1 分类步骤 第一步，将要分类的东西数字化，使其可以做函式的输入。 第二步，找到理想的分类函数，下面以一个二值分类为例： 上图中利用δ\deltaδ函数设计Loss function，可以训练，但是因为离散的原因，L(f)不可微分，下面介绍一个新解决办法 ...
1-1 李宏毅2021春季机器学习教程-第一节（上）-机器学习基本概念简介
csdn_xmj的博客
10-24 721
第一节 Introduction Regression 第一堂课是要简单跟大家介绍一下machine learning还有deep learning的基本概念，等一下会讲一个跟宝可梦完全没有关系的故事。什么是机器学习呢？ 想必大家在报章杂志上其实往往都已经听过机器学习这一个词汇，那你可能也知道说机器学习就是跟今天很热门的AI好像有那么一点关联。 那所谓的机器学习到底是什么呢？顾名思义，机器他具备有学习的能力，那些科普文章往往把机器学习这个东西吹得玄之又玄，好像机器会学习以后，我们就有了人工智慧，
[机器学习入门] 李宏毅机器学习课程回顾 + 接下来的学习声明
Holeung blog
08-21 4128
李宏毅机器学习回顾 从五月二十日发布第一篇《 [机器学习入门] 李宏毅机器学习笔记-1 (Learning Map 课程导览图) 》开始，到八月四日《 [机器学习入门] 李宏毅机器学习笔记-37 (Deep Reinforcement Learning;深度增强学习入门) 》，学习了30小时的李宏毅机器学习课程，并在此留下了几笔学习痕迹。由于很多内容要往复几遍才能听懂，外加记录总结，总共的学习时
2020李宏毅机器学习笔记-Transformer
zn961018的博客
06-20 413
概述 本节学习的是Transformer，Transformer实际上就是一个带有“self-attention”的sequence-to-sequence模型。因为RNN常被用于输出是一个序列的情况，但是有一个问题——不容易被平行化（并行）。 于是有人提出用CNN取代RNN，可以做到和RNN类似的效果，输入一个sequence，输出一个sequence。表面上CNN和RNN都可以有同样的输入输出。但是每个CNN只能考虑很有限的内容（三个vector），而RNN是考虑了整个句子再决定输出。CNN也可以考
2020李宏毅机器学习笔记- Life Long Learning
zn961018的博客
09-05 605
摘要 终身学习技术，让一个模型学习多个任务。要做到 Life Long Learning ，要解决三个问题：Knowledge Retention (but NOT Intransigence)、 Knowledge Transfer 以及 Model Expansion (but Parameter Efficiency) 。我们发现机器存在 Catastrophic forgetting ，在实际情况中，假设我们有 1000 个任务，我们很难把前 999 个任务的数据都保留，每次都同时在 1000 个
8、【李宏毅机器学习（2017）】Keras
Jimmyzqb的博客
08-28 4353
上一篇博客介绍了反向传播算法的理论部分，这一篇博客将利用python的模块Keras开始神经网络算法的实战。 目录 Keras介绍 Keras使用 step1 step2 step3 使用keras模型进行预测 神经网络中参数 batch_size与nb_epoch介绍 batch_size与nb_epoch的加速作用 batch_size不同大小对计算耗时的影响 batch_si...
台大李宏毅机器学习公开课2020版登陆B站
03-08 1377
课程简介： 真正大师的课程往往都是免费的，诸如吴恩达，李飞飞等。不过大家应该对李宏毅老师也不陌生吧？很多机器学习初学者，首选李宏毅老师。毕竟中文授课，而且他讲课通俗易懂、课程案例生动有趣（还记得宝可梦和帝国时代）。 近期，他的《机器学习2020》上线了，相比Machine Learning (2019,Spring)新增了可解释性机器学习、对抗攻击、网络压缩等内容。 课程资料链接：http://...
[李宏毅-机器学习]集成学习 Ensemble
炼丹师
02-18 407
bagging bagging用于复杂的model，解决over-fitting，例如决策树 boosting 用于简单的model Adaboost 让新的data分布，在当前分类器上的正确率为50%，再使用新的data分布来训练下一个分类器 将分类正确的data权重降低，分类错误的data权重增加 gradie...
李宏毅--Machine Learning and having it deep and structured
热门推荐
忧郁一休
12-26 1万+
国立台湾大学电机工程学系助理教授–李宏毅 研究领域：机器学习、深度学习、语义理解、语音辨识 个人主页 课程名称：Machine Learning and having it deep and structured有PPT（pdf版本），有授课视频，可在线学习，也可下载观看。
李宏毅机器学习课程从入门到放弃（一）
不负如来不负卿
08-10 2608
————20180810———————- 先加备忘： Ref: [1] https://blog.csdn.net/soulmeetliang/article/details/77461607 [2] https://www.youtube.com/channel/UC2ggjtuuWvxrHHHiaDH1dlQ/playlists [3] https://github.com/GitY...
xgboost ppt（1）——监督学习的主要概念
LETFLY'S LAB
03-17 3484
本文主要是对陈天奇的ppt《introduction to boosted tree》的理解。 概括： （1）监督学习的主要概念 （2）回归树和组合 （3）GB （4）总结 监督学习的一些组成元素： 符号：xi表示的是第i个训练样本 模型：给定的输入xi进行预测，得到yi^ (1)线性模型：包括线性回归和逻辑回归 (2)预测值在不同的任务上有不同的解释：
李宏毅《机器学习（2017版）》课程笔记及心得 第1篇——Introduction of ML
jackjia1994的博客
05-12 3823
1.首先，机器学习是什么？机器学习，就是“根据所给数据，寻找一个函数，给出适当输出”。通过这个函数，我们可以给它一个输入，得到理想的、正确的输出。我们通常需要给它数据，训练一个机器的学习能力。例如：Speech Recognition就是我们给它一段音频，它给我们识别，输出这个音频说的内容是什么。2.机器学习的大致步骤：机器学习，虽然分为很多种，但大致都有三个步骤：1）确定Model：Model就...
李宏毅机器学习（一）
Cjv的博客
05-13 2573
一、机器学习三步骤： Step1: Define a set of function Model：定义一些函数f1f2...f_1 f_2...f1​f2​... Step2: Goodness of function 使用训练数据，根据输入输出判断函数的好坏。 Step3: Pick the best function 通过Testing挑选出最好的函数。 二、Learning Map： sce...
李宏毅机器学习笔记：Adaptive Learning Rate算法详解与应用
本篇文章是关于李宏毅的机器学习学习笔记，主要聚焦于Adaptive Learning Rate在深度神经网络训练中的应用。Adaptive Learning Rate是一种策略，旨在解决固定学习率在训练过程中可能遇到的问题，如过早停止在非全局最...
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

打赏作者

Simone Zeng

给作者来杯咖啡吧~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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