智能技术_1:安装TensorFlow和Keras
智能技术_2:大数据分析与机器学习概论
智能技术_3:关联规则
智能技术_4:贝叶斯分类和贝叶斯网络
智能技术_5:决策树
智能技术_6:K个最近邻居(医疗旅游)
智能技术_8:回归方法(智能交通)
智能技术_9:神经网络基础
# 写于2021.04.15
# 本文为学习笔记,用的ppt是陈志华教授版,侵删
# 笔记只为交流,入门小白,有错望留言纠正
# TensorFlow+Keras 内容后面补
# 总结不易 望赞鼓励
文章目录
1 神经网络在学什么
- 描述
- 因果
- 预测
关于逻辑回归详细介绍:https://zhuanlan.zhihu.com/p/74874291
1.1 本章学什么
- 线性回归(线性函数)
- 逻辑回归 (s型函数)
- 神经网络 (线性函数)
- 神经网络 (s型函数)
:杨鸽理解 :
- 神经网络是有隐藏层的,而回归没有隐藏层。
- 神经网络有很多方法,其中用到线性函数,S型函数 只是其中方法之一;
- 梯度下降是缩小误差的一种高效的方法,还可以随机数,误差小了就更新,但这样效率很低;
1.2 线性回归和逻辑回归的限制
参数之间要相互独立 不受影响,如果相互影响 那么结果会误差很大。
例子-XOR互斥:
>
因为 b w有XOR现象,应该加一层神经网络来计算出w,b的权重 这样结果会更准确
2 线性回归/线性函数(梯度下降)
我个人认为梯度下降是种方法,可以用来指导机器学习的,来修正估计值的,也可以随机出来数 误差减小的来修正,但对比梯度下降效率很低。
2.1 一元梯度下降
2.2 二元梯度下降
2.3 对梯度下降的物理理解
- 我们能看出来 w估计值w^ 的斜率 跟误差δ和x值成正比
- b估值修正 跟b^的斜率,也就是误差δ成正比
3 逻辑回归/S型函数(梯度下降)
逻辑回归中的梯度下降
公式⑤思想非常重要
4 神经网络(线性函数、梯度下降)
- 个人认为 有隐藏层就是神经网络
- 梯度下降用于神经网络权重和误差项