- 博客(1)
- 收藏
- 关注
原创 Datawhale X 李宏毅苹果书 AI夏令营 - Day1
方式:给parameter随意找两个点,w0和b0,使用梯度下降的方法不断向梯度为0的最小点移动,移动大小取决于学习度(learning rate)。方式:根据对过去已有的经验/数据 - 领域知识(domain knowledge)来预测未来的可能性,找出最接近现实的那个。- 鞍点(Saddle Points),过拟合(Overfitting),欠拟合(Underfitting)- 局部最小点v.s全局最小值:找到的梯度为0的可能只是局部最小点,而不是全局最小点。Loss function 为什么是负的?
2024-08-26 15:37:37
33
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人