零度的博客专栏

我们将要学习什么东东？ 什么是机器学习？ 有右边这样非常大的音频数据集，写程序来进行学习，然后可以输出音频“Hello” 有右边这样非常大的图片数据集，写程序来进行学习，然后可以识别左边这样图，识别为正确的物种。 机器学习 ≈  寻找一个函数 Framework 框架 Image Recognition 图像识别 函数集(f 1 ,f 2 ,… )

为什么要先进行案例研究？ 没有比较好的数学基础，直接接触深度学习会非常抽象，所以这里我们先通过一个预测 Pokemon Go 的 Combat Power (CP) 值的案例，打开深度学习的大门。 Regression （回归） 应用举例（预测Pokemon Go 进化后的战斗力） 比如估计一只神奇宝贝进化后的 CP 值（战斗力）。 下面是一只妙蛙种子，可以进化为妙蛙草，现

回顾 第二篇中神奇宝贝的例子：         可以看出越复杂的model 再测试集上的性能并不是越好 这篇要讨论的就是 error 来自什么地方？error主要的来源有两个，bias（偏差） 和 variance（方差） 估测 假设上图为神奇宝贝cp值的真正方程，当然这只有Niantic（制作《Pokemon Go》的游戏公司）知道。从训练集中可以找到真实方程f̂  的近似

什么是Gradient Descent（梯度下降法）？ 在第二篇文章中有介绍到梯度下降法的做法，传送门：机器学习入门系列02，Regression 回归：案例研究 Review: 梯度下降法 在回归问题的第三步中，需要解决下面的最优化问题： θ∗=argminθL(θ) L:lossfunction（损失函数） θ:parameters（参数）

AI这个概念好像突然就火起来了，大比分战胜李世石的AlphaGo成功的吸引了大量的关注，但其实看看你的手机上的语音助手，相机上的人脸识别，今日头条上帮你自动筛选出来的新闻，还有各大音乐软件的歌曲“每日推荐”……形形色色的AI早已进入我们生活的方方面面。深刻的影响了着我们，可以说，这是一个AI的时代。 其实早在去年年底，谷歌就开源了其用来制作AlphaGo的深度学习系统Tensorflow，相信有