#1.机器学习#//机器就好像宠物,作为它们的“主人”,我们通过训练它们来使得它们获得能力即寻找函数
概念:机器具有学习的能力
类别:
①回归:函数输出为一个数值或一个标量//就如同考试题目给出了很多条件,“回归”就是本质,多个条件服务于最后的答案即结果
②分类:机器做选择//从类别中筛选+输出
③结构化学习(黑暗大陆):机器产生一个有结构的结果
应用:
①speech recognition/语音助手?
②imagine recognition/
③playing-go
#2.案例学习#
①参数//变量
②模型:带有未知参数的函数//用函数来模拟真实日常生活中需要解决的问题
③特征//已知信息
④权重//和特征相乘的未知数
⑤偏置?
⑥平均绝对误差:估测值和真实值的差的绝对值 e= |y − yˆ|
⑦均方误差:估测值和真实值的差的平方 e = (ˆy − y) 2
⑧交叉熵/比较两个概率分布的差异?
⑨误差表面?等高线图?
⑩梯度下降//优化,具有不确定性,可能无法找到最优解
11.学习率//参数更新速度
12.超参数:不是由机器找出来的参数
13.全局最小值//感觉字面理解即可,局部最小值也一样
步骤:①写出函数y = b + wx1②定义损失L = 1/N×每日差距平均③优化问题(计算微分/幸好不用自己算)
#学习感受#:感觉有点难,之前没接触过,算是打开新世界的大门了吧,有点云里雾里的,另外这是第一次用这个做笔记,还不太熟练,见谅