- 博客(3)
- 收藏
- 关注
RSS订阅原创 Datawhale X 李宏毅苹果书 AI夏令营 线性模型
现在未知的参数（WbcT, b ）很多了，再把它一个一个列出来太累了，所以直接用θ来统设所有的参数，所以损失函数就变成Lθ 先给定θ的值，再把一种特征x代进去，得到估测出来的y，再计算一下跟真实的标签之间的误差e。把所有的误差通通加起来，就得到损失。
2024-08-30 17:14:12
924
原创 Datawhale X 李宏毅苹果书 AI夏令营 第 1 章 机器学习基础（1）
通过枚举 w 与 b 的可能值并带入到模型中，然后利用训练数据进行损失的计算，即计算 预测值 与 实际值 之间的差距e差距e可采用：平均绝对误差：|y1-y|均方误差：(y1-y)2交叉熵等方式计算 接着用自己定义的损失函数计算损失，如 L 越大，代表现在这一组参数越不好，L 越小，代表现在这一组参数越好。 最后可以依据损失L画出等高线图，这个等高线图称为差误表面，如下图（取自《深度学习详解》）交叉熵是什么？ 交叉熵主要是分类任务中的损失函数，它衡量的是。
2024-08-27 15:15:23
732
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