030-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考

最新推荐文章于 2021-06-07 14:56:13 发布
最新推荐文章于 2021-06-07 14:56:13 发布
阅读量134 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/jerodyan/article/details/107746962
本文以神经网络为例，讲解如何使用TensorFlow建立复杂模型。介绍了单层神经网络和多层神经网络的区别，以及深度学习背后的流水线思想，强调数据在层间的流转和每层的简单计算作用，阐述了深度学习模型如何定义复杂的非线性函数映射。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

11再谈建模工具-建立复杂模型与TensorFlow

上面章节中， 我们介绍了利用 TensorFlow 建立简单模型。 接下来， 我们以神经 网络为例来讲如何建立复杂的模型。

11.1 单层神经网络和多层神经网络

深度学习，或称为深度神经网络，是近年来机器学习最重要的研究热点。 它是一 种以图来表示机器学习模型的方式。举个例子， 上一节中的线性模型，
y = w 1 x 1 + w 2 x 2 + b y = w_1x_1 + w_2x_2 +b y=w1​x1<

最低0.47元/天 解锁文章

200万优质内容无限畅学
032-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
10-08 133
11.3 编程思路的转换 在学校里的教授的如C、Python、Java等编程语言， 采用的命令式编程的思路。 你需要下达一个指令，让计算机做一个动作， 希望得到是一个程序中业务逻辑变量的 状态转换。 其背后的理论基础是形式语言与自动机理论， 程序抽象为一个有穷自动 机。 而在TensorFlow中的编程思路会略有不同，初学时应该引起注意。 其与符号式编 程类似，其通过数学模型对数理逻辑进行抽象，计算单元是函数， 而不是指令。 上面这段话，可能有些抽象，我们通过两段程序代码来说明一下。 这两段程序代码都是要找
001-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
01-18 210
1 技术小白的学习方法论 从方法论的角度讲，从笛卡尔时代开始， 人们知识的来源有两个。 1.) 第一个是源于生活的经验或上帝的启示； 2.) 第二个是人们通过理性对第一种知识进行考量， 进而获得真知。 后一种方式，就是通过理性的推理来去伪存真。 这里的「理性」又分成两类: 第 一类是指实践，即去动手做各种各样的实验或试验， 看看猜想、概念、理论与实际情 况的符合程度。 这有点像中学物理化学中的实验...
031-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
09-20 124
11.2 TensorFlow 数据流图 TensorFlow的数据流图(graph)，类比于一个工厂流水线的设计图。 你要设计每一 个车间的功能，每一个车间与其上下游车间的关系， 保证原材料可以流畅地从第一车 间开始， 经过粗加工，精加工，装配，包装等等工序， 最后成为一个产品。 既然是 图， 一定包括「边」和「结点 node」。 又因为它一个有向图， 所以， 边是带箭头指 明数据的流动方向。 前面我们也多次提到， 一个概念的名字就是这个概念最简洁的 解释。 Tensor就是多维数据，Flow就是流动。
015-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
02-25 174
7.2 训练和模型 看到这里时候，大家仿佛，好像搞明白一些机器学习的道理了。 但是请大家再次 思考几个问题： 1.) 啥是「模型 model」或者说模型里有什么（what)？ 2.) 啥是「训练 training」？ 3.) 啥是「训练模型 training model」? 4.) 谁（who）来「训练模型」？ 接下来，对上述问题，我们一个一个分析。 在 §2.1 小节中，我们强调过， 模型 是一...
003-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
01-18 288
2.1 概念层次的划分 概念层次的划分包括三个方面：数据输入，数据输出和问题的复杂度。 依照数据 的输入来划分「场景型」概念， 依照数据的输出来划分「任务型」概念， 依照问题的 复杂度来划分「方法型」概念。 如图1所示， 1.) 首先， 从输入的数据(Input)来划分场景。 机器学习中概念是通过已有的数据 来区分学习的场景（Scenario）。 先看输入数据的整体， 根据是否所有的输 入数据都...
011-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
02-07 185
5.2 误差或损失 误差或损失(Loss)， 简单地讲，是指针对一个确定好参数的映射关系， 输入了一笔数据x(1)x^{(1)}x(1)， 经过映射关系，计算得到一个输出值y^(1)\widehat{y}^{(1)}y​(1)，用一个实数表示。 我们把这个输出值y^(1)\widehat{y}^{(1)}y​(1)与真实值y(1)y^{(1)}y(1)相减， 看看它们二者的差值。 由于输入数据集中...
012-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
02-11 157
6 机器学习第三步 到这里为止，我们设计了一个包括众多函数的集合， 也确认了判断一个函数合适 与否的比较准则。 接下来，我们要在这个函数集合中找到这个函数。 6.1 迭代法 你也许听过什么梯度下降法，牛顿法， 随机梯度下降法(SGD)等各式各样的洋气 方法。 但是其实它们都不是朴素的思维。 在这一步背后的朴素的思维，用一个词就可 以描述： 「迭代法」。 在解释迭代法之前，我问一个问题，为啥用迭代...
004-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
01-20 166
2.2 机器学习的步骤 机器学习的任务是输入一些数据，再输出一些数据， 其实就是一种数据转换器。 从数学意义上讲，就是一个合适的函数映射。 我们的目的是要找到一个可以完成任务 的映射函数。 或者说，要找到一个输入数据与输出数据之间的关系。 这个关系，被学 者取名为模型（Model）。 模型本质是描述输入与输出之间关系。 更进一步讲，模型 就是关系（Relationship）。 如何寻找这种关系呢？...
005-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
01-20 167
3 周边的相关概念 3.1 概念之间的关系 编程、程序员和机器学习： 在一般的IT公司中， 程序员只要基于常识性的知识就 可以对业务理解， 再辅以充足的时间和编程技巧，已经足够完成任务。 而机器学习， 其实是一种数据编程的思路，确定好一个函数的大模样， 让程序通过数据自己去确定 函数参数的具体值。 科学家与工程师： 在一般人的想象中，科学家更喜欢纸上谈兵，就是发文章，写 书籍和学术著作。 当前，在...
013-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
01-06
我们一直强调， 概念是知识体系中最重要的基础。 梯度下降法（Gradient Descent）是用来找到合适函数的方法。 为什么叫这个名字？我们把这个词拆开分三部分 「梯」、「度」、「下降」。 （前方预警，此章节文字纯属...
007-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
01-30 271
3.3 人工智能的派别 人工智能的目标是让机器通过某种方式具备类似于人类的智慧。 而这种方式，自 打这门学科创立以后，有两个派别： 1.) 唯物主义派， 其核心思维是重建人类的大脑。 我们要造一个可以模拟大脑神 经网络的机器或是程序。先别管大脑为啥长这个样， 用大量的数据去让这个 机器自己去学就好了。 其方法论是，世界本身就是随机的，那么我们让机器 通过数据去找到统计的规律。 比如，想让它识别猫狗...
机器学习与统计术语对照表
JerodYan的博客
06-07 230
机器学习术语与统计术语对照表 机器学习术语与统计术语对照表 Machine Learning（机器学习） Statistics (统计） Networks, Graph Model Weights Parameters Learning Fitting Generalization Test set performance Supervised learning Regression/Classification Un-supervised learning desity
000-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
01-18 198
本文档介绍机器学习过程中所涉及的基础概念与基本流程， 使得准备 进入机器学习领域的人员能够有清晰且正确的概念， 少走些弯路，少被人忽悠。 声明：文档的写作原因。 一来，我发现市面上，机器学习方面的书籍都不讲这 方面的内容； 二来，我对机器学习和与之相关的技术有些自己的看法，而这些 看法又不能发表在正经的学术论文里； 三来，这么多年，对许多技术和工具都 使用过一段时间，并且， 对其发展过程的起...
008-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
01-30 193
3.4 机器学习的目标 前面我们先把一些当前听起来特别热的概念回顾了一下。 接下来，我们把视角抬 高一些，回到问题的本质。 什么是机器学习？ 准确的说，机器学习只是一个方法而已， 它本身不是目标。那目标是什么？ 目标 是人工智能，那么什么是人工智能（Artificial Intelligence，简称 AI）? AI 的意思是， 机器或程序可以像人类一样有智能。 这种回答和没说一样。用概念本身组成...
020-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
04-10 189
8.1.2 TensorFlow 的工具箱 有些初学者会对机器学习的工具有不少问题，如下的一些例子。 1.) 听说TensorFlow 是用 Python 开发的， 是不是应该先去学会 Python 语言？ 2.) 听说机器学习算法是跑在GPU上的， 是不是还要学一下并行开发的知识？ 3.) 听说谷歌还有 TPU，和 CPU，GPU 啥关系？ 为了回答上面的问题， 我们先看一张图，如图7所示。 ...
026-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
05-31 188
10 一个实际操作机器学习的例子 10.1 数据分析准备 10.1.1 输入输出场景任务 在第一步中，我们要根据手头的数据情况来确定场景与任务。 假设我们的输入数 据是这样的： import pandas as pd import numpy as np area = pd.Series([100, 89, 160, 89, 240]) bedroom = pd.Series([3, 2, 4, 3, 5]) price = pd.Series([30, 25, 40, 26, 55]) houses_
006-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
01-20 182
3.2 杰出的人物 在机器学习的领域，杰出人物极多。我个人认为，当下有三个人贡献突出。 他们 是：Jeoffrey Hinton，吴恩达和李飞飞。 Jeoffrey Hinton，其贡献在于设计优秀的机器学习算法。 其提出了在深度学习的 网络中， 使用降维和逐层训练的方法及应用的办法。他解决了优秀的算法应该如何做 的问题。 1 吴恩达(Andrew Ng)， 其贡献在于机器学习的推广， 特别是对 ...
002-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考
JerodYan的博客
01-18 160
2 机器学习框架概念 机器学习技术发展时间很长，产生很多名词和概念。我们先罗列一些常见的： • 线性回归 linear regression • 逻辑回归 logistic regresssion • 决策树 decision tree • 随机森林 random tree • 最近邻算法 k-nearest neighbor, KNN • 朴素贝叶斯 naive bayes • 支持向量机 su...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值