ww9878的博客

原创 MLP－多层感知机

每一层都全链接到下一层，全链接这里每个值都与下一层的每个值连接，得到f(wi*xi+b),f为激活函数，激活函数主要作用是根据输出的计算可以发现，其实隐藏层的每个神经元是由输入特征x的线性组合构成。这样，从隐藏层到输入层我们得到了一个输入到输出的关系。我们通过损失函数来判断模型的好坏，常用的损失函数有均方，这里的xi为真实值，yi为预测值，N为batch_size的损失函数的个数。而在分类问题中我们经常使用的是交叉函数，yhat代表模型得到的预测值，y为真实值，也是我们训练时给出的值。...

原创 李宏毅机器学习2022.07.17--深度学习简介和反向传播

输入层与输出层应用向量来表示以及计算，通过激活函数不断套娃计算下一层的输出值，每层的输出值也是下一层的输入值。总体损失是将真实值-预测值所得到的误差，总体进行相加而得到的。在隐藏层将特征工程替换为特征提取，使之成为新的特征进行传输，而输出层是一个多层分类器，通过softmax函数得到label。解决的办法我们先从后向前计算其参数的偏导，逐层向前计算。forwardpass可以很清晰的看到规律，也就是顺着神经网络的确定求导的wi的特征值。2.该层后面还有许多层，需要我们不停的计算其偏导直到y。...

原创 李宏毅机器学习2022.7.15--梯度下降

在解决最优化的问题中我们需要找到最小一组的θ，让损失函数越小越好。首先任意选取w0和b0的值，对于w1和b1进行updateη为学习率，人工设值。重复上面的步骤不停的更新wi和bi直到无变化。在updatewi和bi的过程即为梯度下降。偏微分部分为梯度部分。......

原创 李宏毅机器学习2022.07.15--误差

误差的来源一般来自于偏值与方差f^为真实的模型，f为理想模型。f是f^的一个预估。而二者之间的差距是由偏值和方差所产生的。

原创 李宏毅机器学习--回归2022.07.13

1.回归的定义：找到一个函数，输出一个特征值，后输出数值。如：以过去房价数据预测未来的房价，李宏毅老师油管过去节目观看人数预测未来的最近节目观看人数。2.模型步骤：(1) 模型假设–线性模型：yi=xi*w+b其中x为features,w为weight,b为bias；xi可以为多个feature.(2)模型评估–损失函数在模型训练资料后得到了资料的分布，从数学的角度真实值y^到y轴的垂直函数的最小距离来判断模型的好坏（欧几里距离），损失函数如下：一般来说，损失函数越小模型越好，但不代表越小的损失

原创 李宏毅机器学习介绍-2022.07.11

毅

原创 Java集合框架

(https这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习.

原创 浅谈java内存划分

原创 关于java环境变量的配置

关于java环境变量的配置1.我的电脑右键点击“属性”2.->进入系统点击“高级系统设置”3.点击“环境变量”4.在环境变量中，在“系统变量（s）”中点击新建5.”变量名“中输入”JAVA＿HOME“变量值中输入你所安装的JDK所在的绝对路径６.找到变量　”PATH“　修改在＂变量值＂中最开始添加　“％JAVA＿HOME％／bin；”７.点击确定即可８.在ｃｍｄ命令中输入“ｊａｖａ”，查看是否可以正常运行...