Datawhale X 李宏毅苹果书 AI夏令营 入门3.0笔记

于 2024-08-26 21:26:08 发布
阅读量32 收藏
点赞数 1
文章标签： 人工智能 笔记
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_49841375/article/details/141573377
版权

实践方法论

训练集上面没有学好的原因：

  • 模型偏差
  • 优化问题

到底是模型偏差，还是优化的问题？

通过比较不同的模型来判断

注意是否过拟合

过拟合

灵活性、自由度过大，因此产生各式各样奇怪的结果。

如何解决？

  • 数据增强（data augmentation）
  • 给模型一些限制，让模型不要有过大的灵活性
    • 给模型比较少的参数
    • 用比较少的特征
    • 早停（early stopping）、正则化（regularization）和丢弃法（dropoutmethod）

交叉验证

k 折交叉验证就是先把训练集切成 k 等份。

eg训练集被切成3等份，拿其中1份当验证集，另外2份当训练集，重复3次。

不匹配

指训练集和测试集分布不同，因此无法像过拟合一样通过更多数据克服

需要自己理解数据集的生产方式才能解决

llllooker
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Datawhale X 李宏毅苹果书 AI夏令营 入门笔记
m0_46680352的博客
08-25 476
本文依托datawhale夏令营撰写的学习笔记，教程链接期待大家的交流指正机器学习就是让机器具备找一个函数的能力，函数（处理单元，自动化流程）就可以解决一些实际的问题。图像识别函数，语音识别函数，围棋函数（alphago）等。根据函数的不同，机器学习有不同的类别，大致分为回归、分类、结构化学习三种。回归问题就是找一个标量的结果，例如温度，湿度，浓度等标量；分类问题就是让机器做出选择判断，判断物体的种类，邮件的种类，下一步落子的位置等；结构化学习听起来比较厉害，例如让机器画一张图，写一篇文章。
Datawhale X 李宏毅苹果书 AI夏令营 入门1.0笔记
weixin_49841375的博客
08-25 106
找（复杂）函式。
Datawhale X 李宏毅苹果书 AI夏令营 入门2.0笔记
weixin_49841375的博客
08-26 47
model bias→更有弹性、有未知参数的function这里要采用梯度下降的方法寻找最小loss，因为参数多实际使用梯度下降的时候，会把 N 笔数据随机分成一个一个的批量（batch）把所有的批量都看过一次，称为一个回合（epoch），每一次更新参数叫做一次更新。
Datawhale X 李宏毅苹果书 AI夏令营task1笔记
scipig_的博客
08-22 774
本章主要介绍深度学习常见的一些概念，方便我们从不同的角度来更好地优化神经网络。
Datawhale X 李宏毅苹果书 AI夏令营 Task1笔记
linghyu的博客
08-26 276
深度学习中的优化是一个复杂的过程，需要综合考虑多种因素，例如局部极小值、鞍点、批量大小、动量法、自适应学习率等。选择合适的优化策略，了解这些可以帮助我们更好地训练模型，提高模型的性能和泛化能力。
Datawhale X 李宏毅苹果书 AI夏令营 Task2 笔记
kid133332的博客
08-24 577
模型概述把输入的特征 x 乘上一个权重，再加上一个偏置就得到预测的结果，这样的模型称为线性模型（linear model）。线性模型是机器学习中一种非常基础且重要的模型，广泛应用于分类和回归任务。线性模型的基本思想是通过一个线性方程来描述输入特征与输出结果之间的关系。
Datawhale X 李宏毅苹果书 AI夏令营 Task01 笔记
2201_75385637的博客
08-25 47
顾名思义，机器具备有学习的能力。具体来讲，机器学习就是让机器具备找一个函数的能力。机器具备找函数的能力以后，它可以做很多事。假设要找的函数的输出是一个数值，一个标量(scalar)，这种机器学习的任务称为。第一个步骤是写出一个带有未知参数的函数 f，其能进行预测。第 2 个步骤是定义损失（loss），损失也是一个函数。在机器学习领域里面，除了回归跟分类以外，还有。除了回归以外，另一个常见的任务是。第 3 步：解一个最优化的问题。
Datawhale X 李宏毅苹果书 AI夏令营 学习笔记(二)
qq_51955445的博客
08-23 704
Datawhale X 李宏毅苹果书 AI夏令营 深度学习进阶task2学习笔记，主要学习了自适应学习率和在分类问题中使用softmax与交叉熵
Datawhale X 李宏毅苹果书 AI夏令营 学习笔记(一)
qq_51955445的博客
08-23 844
Datawhale X 李宏毅苹果书 AI夏令营 task1学习笔记，主要学习了深度学习中的鞍点、批量和动量的知识点
Datawhale X 李宏毅苹果书 AI夏令营：《深度学习详解》
08-24
Datawhale X 李宏毅苹果书 AI夏令营：《深度学习详解》
Datawhale X 李宏毅苹果书 AI夏令营：TASK2+CNN实践, pytorch，数据增强，可视化
08-26
Datawhale X 李宏毅苹果书 AI夏令营：TASK2+CNN实践, pytorch，数据增强，可视化
Datawhale 5 李宏毅苹果书 AI夏令营.pdf
最新发布
08-26
Datawhale 5 李宏毅苹果书 AI夏令营.pdf
Datawhale X 李宏毅苹果书 全书
08-26
Datawhale X 李宏毅苹果书 全书
【小迪安全笔记V2022】信息打6~8
2202_75354817的博客
08-25 685
小迪安全学习笔记
零基础学习人工智能—Python—Pytorch学习（六）
kiba518的博客
08-21 986
前言 本文主要讲神经网络的上半部分。 这篇文章开始有很多公式了，这些公式都很简单，但是如果是不经常在脑海里思考公式的人，那可能需要多花点时间做一下自我训练，个人感觉，也就几天时间，就能把自己感觉给调整出来。 习惯了公式看下面内容就会轻松很多，另外如果要深入学习人工智能，熟练的认知公式也是个必须的事情。 另外，我发现我前面文章写的有歧义的地方还是挺多，虽然，已经改了一部分，但，可能还有没发现的，大...
透明性和解释性AI：概念与应用
weixin_49007164的博客
08-25 845
透明性AI指的是AI系统的操作过程、决策机制、数据流动和模型行为是可理解和可追踪的。换句话说，透明性AI使得人们可以清楚地看到AI系统是如何做出决策的，这一过程包括输入数据的处理方式、模型的内部计算过程、以及最终决策的产生机制。解释性AI是指AI系统不仅能够给出决策结果，还能够提供关于该决策如何产生的解释。解释性AI的目标是帮助用户理解AI的行为，尤其是当AI的决策与预期不符时，提供合理的解释来消除用户的疑虑。
yolov8 出现loss 为nan
zhaoluruoyan89的博客
08-21 341
这篇博客警示读者在购买用于深度学习的显卡时要避开那些导致RuntimeWarning: All-NaN slice encountered的问题。作者强调这些Tensor核心存在严重缺陷，不适宜进行深度学习任务，建议大家在选购时务必谨慎。方法二：将混合精度训练AMP 设置为False。方法一：降低cuda和pytorch 版本号。
基于Python星载气溶胶数据处理与反演分析
lwjnlqiqi的博客
08-21 1209
Python星载气溶胶数据处理与反演分析
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