- 博客(3)
- 收藏
- 关注
原创 机器学习基础(Task3)#Datawhale X 李宏毅苹果书 AI夏令营
而且如果公开的测试数据是公开的,公开的测试数据的结果是已知的,一个很废的模型也可能得到非常好的结果。在这 3 个点上面,要让损失低,所以模型的这个曲线会通过这 3 个点,但是其它没有训练集做为限制的地方,因为它的灵活性很大,所以模型可以变成各式各样的函数,没有给它数据做为训练,可以产生各式各样奇怪的结果。接下来有 3 个模型,不知道哪一个是好的。让模型不要有过大的灵活性,比如让上面的例子的函数为二次函数,因为能选择的函数有限,可能就会正好选到跟真正的分布比较接近的函数,在测试集上得到比较好的结果。
2024-09-03 17:57:01
760
原创 机器学习基础(Task2)#Datawhale X 李宏毅苹果书 AI夏令营
如果改 c,就可以改变它的高度。所以只要有不同的 w 不同的 b 不同的 c,就可以制造出不同的 Sigmoid 函数,把不同的Sigmoid 函数叠起来以后就可以去逼近各种不同的分段线性函数;为此,我们想出了一个办法,蓝线 1 函数斜坡的起点,设在红色函数的起始的地方,第 2 个斜坡的终点设在第一个转角处,让第 1 个蓝色函数的斜坡和红色函数的斜坡的斜率是一样的,这个时候把 0+1 就可以得到红色曲线左侧的线段。应该选一个在训练的时候,没有看过的数据上表现会好的模型,所以应该选 3 层的网络。
2024-08-31 22:04:01
1011
原创 机器学习基础(Task1)#Datawhale X #李宏毅苹果书 #AI夏令营
机器学习就是让机器具备找一个函数的能力。如语音识别,我们需要的是一个函数,该函数的输入是声音信号,输出是这段声音信号的内容。如图像识别为例,图像识别函数的输入是一张图片,输出是这个图片里面的内容。AlphaGo 也可以看作是一个函数,机器下围棋需要的就是一个函数,该函数的输入是棋盘上黑子跟白子的位置,输出是机器下一步应该落子的位置。
2024-08-26 14:03:26
654
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅