通俗的理解机器学习

本文介绍了机器学习的基本概念,包括通过数据学习规律以进行预测。重点讲解了机器学习的三大要素:模型(如线性方法和广义线性方法),学习准则(如期望风险最小化),以及优化方法(如梯度下降法及其学习率的重要性)。此外,还讨论了防止过拟合的正则化技术。
摘要由CSDN通过智能技术生成

目录

1 什么是机器学习?

2 机器学习的三要素

2.1 模型

2.2 学习准则

2.3 优化

3 正则化 


1 什么是机器学习?

机器学习:通过算法使得机器能从大量数据中学习规律从而对新的样本做决策。

规律:决策(预测)函数

常见的机器学习类型:

 

2 机器学习的三要素

2.1 模型

(1)线性方法:

                

(2)广义线性方法:

如果ϕ(x)为可学习的非线性基函数,f(x,θ)就等价于神经网络。

2.2 学习准则

期望风险:

 

2.3 优化

梯度下降:

 

搜索步长α中也叫作学习率(Learning Rate)

学习率是十分重要的超参数!

        

3 正则化 

                                                                           

                                                              

            

 

 

 

 

 

 

 

 

 

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

荔枝科研社

你的鼓励将是我创作的最大动力

¥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
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