1深度学习李宏毅

目录

机器学习三件事:分类,预测和结构化生成

2、一般会有经常提到什么是标签label,label就是预测值,在机器学习领域的残差就是e和loss​编辑3、一些计算loss的方法:​编辑​编辑

4、可以设置不同的b和w从而控制loss的值,但是需要loss最小,也就是拟合度稍微好一些​

5、预测值和真实值​

6、仅仅用一天的效果并不是很好,多天的多个数据,在一元线性回归的条件下,loss损失函数会更小​

6、任何的东西都可以用函数来拟合,然后,任何的函数都能用小的sig函数来表示​

7、蓝色的直线函数不是很好表达,但是曲线可以用平滑的函数表示:​

8、通过更改不同的参数,可以拟合出不同的结果​

9、实力验证​

10、我们类比一个东西,从复杂度的角度来看,一元线性函数,变成了更加平滑的函数,一个累计一元线性变成了多个累计平滑的函数


机器学习三件事:分类,预测和结构化生成

1深度学习李宏毅_第1张图片

2、一般会有经常提到什么是标签label,label就是预测值,在机器学习领域的残差就是e和loss1深度学习李宏毅_第2张图片3、一些计算loss的方法:1深度学习李宏毅_第3张图片1深度学习李宏毅_第4张图片

4、可以设置不同的b和w从而控制loss的值,但是需要loss最小,也就是拟合度稍微好一些1深度学习李宏毅_第5张图片1深度学习李宏毅_第6张图片5、预测值和真实值1深度学习李宏毅_第7张图片6、仅仅用一天的效果并不是很好,多天的多个数据,在一元线性回归的条件下,loss损失函数会更小1深度学习李宏毅_第8张图片6、任何的东西都可以用函数来拟合,然后,任何的函数都能用小的sig函数来表示1深度学习李宏毅_第9张图片7、蓝色的直线函数不是很好表达,但是曲线可以用平滑的函数表示:1深度学习李宏毅_第10张图片8、通过更改不同的参数,可以拟合出不同的结果1深度学习李宏毅_第11张图片9、实力验证1深度学习李宏毅_第12张图片10、我们类比一个东西,从复杂度的角度来看,一元线性函数,变成了更加平滑的函数,一个累计一元线性变成了多个累计平滑的函数

你可能感兴趣的:(深度学习,人工智能)