Datawhale AI 夏令营 + 第一章 机器学习基础

目录

1.机器学习概念及其分类

2.案例

---

1.机器学习概念及其分类

机器学习就是让机器具备找一个函数的能力

• 函数输出一个标量：回归
• 函数的输出是从设定好的选项里面选一个：分类
• 函数输出一个有结构的物体：结构化学习，比如让机器画一张画

2.案例

情景：依据一个频道之前的观看人数预测明天的观看人数

构建模型：，带有未知参数的函数

• 其中：是前一天总观看人数，y是预测的明天总观看人数，b和w是未知参数
• 特征：
• 权重：w
• 偏置：b

损失值L计算：

• 平均绝对误差MAE：
• 均方误差MSE：
• 交叉熵：y与都是概率分布

    误差表面：未知参数w和b取不同值时损失值的大小，红色系——大，蓝色系——小

梯度下降解最优值问题：

• 梯度下降：下图1是假设b值为定值，对w进行优化,w0是选择的初始位置，彩色图是两个参数同时优化的梯度下降路线
  • 全局最小值问题
• 学习率：，自己设定，影响步伐大小
• 超参数：它通常是在算法运行之前设置的。与模型学习时自动获得的参数不同，超参数在运行模型之前必须由数据科学家或开发者选择并设置。一些常见的超参数包括学习率、正则化参数、分类器种类等。