用代码实现解析解的方式求解_梯度下降法思路_导函数有什么用_接23节---人工智能工作笔记0026

本文介绍了人工智能中的机器学习概念,包括有监督学习、无监督学习,重点讲解了回归问题和线性回归。讨论了如何使用梯度下降法寻找最优解,强调了目标函数的导数在求解过程中的作用,并探讨了学习率(学习步长)的选择对求解稳定性的影响。

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

  这里24节,25节,介绍了一下人工智能高等数学要学习的一些内容,初步了解了一下,微积分中用到的知识~微分~以及导数这里...

  然后接着23节,我们还是继续,走人工智能的主线,先把整体的人工智能的内容学习一遍,然后再去回去看数学知识更有目的性.

然后首先来回顾一下,这里机器学习,其实人工智能做的就是拟人对吧,拟人的话,这里 分为有监督的机器学习,就是说包含x,y 两个参数:

其实就是y=ax+b 因为输入的数据,要首先,用一批x,和x对应的y值,输入系统,然后进行训练,因为有x,并且告诉了找个x对应的正确的y值

所以被称为是有监督的学习.

那么有监督的学习用来,包括了,两类问题:用来解决两类问题:

分类问题

和回归问题,其中分类问题,他的对应的y=ax+b 这里的y的值,其实就是0,1,2,3...代表是分类号对吧,一种输出值,就代表了一个种类

然后回归问题,其实就是正无穷到负无穷的问题对吧,因为需要正态分布,来输入很多数据进行训练,所以x,y 的输入,就是需要输入很多

真实数据进行训练.也就是正无穷到负无穷问题.

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

添柴程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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