目录
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。