- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 第一章 新手上路
1.1 自然语言和编程语言1. 词汇量：自然语言中存在无穷无尽的词汇量，并且人类可以任意的创造新的词汇量；在编程语言中，词汇量是有限的。（这里的词汇量也就是指编程语言中的关键字，例如C语言一共有32个关键字，Python一共有33个关键字。）2. 结构化自然语言是非结构化的，例如：小明今年20岁，身高180厘米。这个句子就是一个简单的线性字符串类型，计算机去分析需要分析得到这个句子的主语是小明，小明有两个属性年龄和身高，对应的属性值分别是20岁和180厘米。对于计算机来说这是一个复杂的过程；编程语言
2021-06-06 12:19:25
163
原创 李宏毅机器学习[2]-DL优化
SGD-Stochastic Gradient Descent随机梯度下降首先回顾一下梯度下降公式：θ1θ^1θ1=θ0θ^0θ0-η∂(L)∂(θ0)\frac{∂(L)}{∂(θ^0)}∂(θ0)∂(L)θ2θ^2θ2=θ1θ^1θ1-η∂(L)∂(θ1)\frac{∂(L)}{∂(θ^1)}∂(θ1)∂(L)…θt+1θ^{t+1}θt+1=θtθ^tθt-η∂(L)∂(θt)\frac{∂(L)}{∂(θ^t)}∂(θt)∂(L)每次计算出梯度方向，然后把该点朝梯度的相反方向移动。
2021-05-15 15:10:43
158
原创 李宏毅机器学习[1]-宝可梦CP值预测
最近在B站上学习李宏毅的机器学习的课程（2020版），他讲了一个预测宝可梦CP值的例子让我对机器学习有了一个大概的了解，或者说是让我明白了机器学习是要干嘛。下面是我对这个例子的认识和理解。目标：预测宝可梦的CP值，即Combat Power战斗力。预测分为了三个步骤，寻找一个适合的Model，评判一个function的优劣程度，Gradient Descent梯度下降。步骤一：寻找一个合适的Model。说简单一点，就是找一个function，输入一些值，得到一个输出结果，这个结果就可以看成预测的CP
2021-05-10 20:31:21
1162
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人