一、线性模型:
这些模型都是把输入的特征 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)。
基于线性函数局限性,无法表述复杂的y-x关系,则引入分段线性函数。
二、分段线性函数:
将函数拆分为一个常数再加上一群 Hard Sigmoid 函数。
Hard Sigmoid 函数的特性是当输入的值,当 x 轴的值小于某一个阈值(某个定值)的时候,大于另外一个定值阈值的时候,中间有一个斜坡。
图形:先水平的,再斜坡,再水平的。
HardSigmoid 不是很容易,但是可以用一条曲线来理解它,用 Sigmoid 函数来逼近 Hard Sigmoid
三、Sigmoid 函数
简写为:
四、参数c、b、w变化对函数的影响,是灵活的函数
五、线性代数(矩阵)的方式表示,列向量
长向量用西塔表示
六、损失函数
求微分,计算梯度。
(更新次数取决于批量)
七、RELU
HardSigmoid 可以看作是两个修正线性单元
八、神经网络
过拟合