<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Rooseveltcdc的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Rooseveltcdc</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Rooseveltcdc]]></copyright><item><title><![CDATA[深度学习(实践方法论)#Datawhale X 李宏毅苹果书 AI夏令营]]></title><link>https://blog.youkuaiyun.com/Rooseveltcdc/article/details/141873938</link><guid>https://blog.youkuaiyun.com/Rooseveltcdc/article/details/141873938</guid><author>Rooseveltcdc</author><pubDate>Tue, 03 Sep 2024 22:52:45 +0800</pubDate><description><![CDATA[解决过拟合的问题有两个可能的方向：增加训练集和给模型一些限制。解决不匹配的问题需要有对数据本身的理解，也可能需要对训练集跟测试集的产生方式有一些理解，这样才能判断它是不是遇到了不匹配的情况。对此，找一个从来没有做过的问题，可以先跑一些比较小的、比较浅的网络，或甚至用一些非深度学习的方法，比如线性模型、，SVM可能是比较容易做优化的，它们比较不会有优化失败的问题如果是模型偏差，就把模型变大。如果是深度学习的话，就给它比较少的神经元的数量，减少神经元的数量，或者让模型共用参数，可以让一些参数有一样的数值。]]></description><category></category></item><item><title><![CDATA[深度学习入门02#Datawhale X 李宏毅苹果书 AI夏令营]]></title><link>https://blog.youkuaiyun.com/Rooseveltcdc/article/details/141759895</link><guid>https://blog.youkuaiyun.com/Rooseveltcdc/article/details/141759895</guid><author>Rooseveltcdc</author><pubDate>Sat, 31 Aug 2024 22:24:03 +0800</pubDate><description><![CDATA[2. 定义损失，损失是一个函数，其输入就是一组参数，去判断这一组参数的好坏；个蓝色的函数坡度的起始点设的跟红色函数转折点一样，蓝色函数的斜率设的跟红色函数斜率一样，接下 来把。的值小于某一个阈值（某个定值）的时候，大于另外一个定值阈值的时候，中间有一个斜坡。的图像有一个水平的线，走到某个地方有一个转折的点，变成一个斜坡，其对应的公式为。如果分段线性曲线越复杂，转折的点越多，所需的蓝色函数就越多。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。函数斜坡的起点，设在红色函数的起始的地方，第。]]></description><category></category></item><item><title><![CDATA[机器学习入门Datawhale X李宏毅苹果树 AI夏令营 TASK1]]></title><link>https://blog.youkuaiyun.com/Rooseveltcdc/article/details/141614193</link><guid>https://blog.youkuaiyun.com/Rooseveltcdc/article/details/141614193</guid><author>Rooseveltcdc</author><pubDate>Tue, 27 Aug 2024 22:36:37 +0800</pubDate><description><![CDATA[y = b + w ∗ x1，而 b 跟 w 是未知的。带有未知的参数的函数称为模型（model）。模型在机器学习里面，就是一个带有未知的参数的函数，特征x1 是这个函数里面已知的，它是来自于后台的信息， w 跟 b 是未知的参数。如果算y与yˆ之间平方的差距，如式 (1.7) 所示，则称为均方误差e = (ˆy y − y)2。y 与 yˆ 之间绝对值的差距，e = |yˆ − y|，称为平均绝对误差。猜测函数为y=kx+b，然后估算与真实的差距，得到y 与 yˆ。计算它的损失，画出来的等高线图称为。]]></description><category></category></item></channel></rss>