L4EX的博客

文章目录回归的定义和应用举例回归定义应用举例模型步骤——机器学习三板斧Step1: 模型假设 - 线性模型一元线性模型（单个特征）Step2：模型评估 - 损失函数收集和查看训练数据如何判断众多模型的好坏Step 3：最佳模型 - 梯度下降如何筛选最优的模型（参数w，b）只有一个参数有两个参数梯度下降推演最优模型的过程梯度下降算法在现实世界中面临的挑战当前最优问题w和b偏微分的计算方法如何验证训练...

文章目录lecture 1：找出function的frameworklecture 2：机器学习的相关技术监督学习regressionclassification半监督学习迁移学习无监督学习结构化学习强化学习总结李宏毅老师的机器学习课程，视频来源:机器学习-李宏毅(2019) Machine Learning。PPT来源:李宏毅机器学习-课件。lecture 1：找出function的fra...

error的来源从上节课测试集数据来看，更复杂的模型并不能给测试集带来更好的效果，而这些 ErrorErrorError 的主要有两个来源，分别是 biasbiasbias 和 variancevariancevariance。了解error的来源，我们才能找到提升模型能力的方向，然后再使用对应的方法。（顺便说一句，我写这个笔记也参考了很多其他人的笔记。LeeML-Notes里面有一篇关于...

梯度下降在机器学习-李宏毅(2019) Machine Learning 01笔记中介绍过梯度下降法Review：梯度下降在回归问题的第三步中，需要解决下面的最优化问题：θ∗=arg⁡min⁡θL(θ)\theta^* = \arg \min_{\theta} L(\theta)θ∗=argθmin​L(θ)L :loss function（损失函数）θ\thetaθ :parame...

疑问：为什么使用梯度下降有时还会增大loss值？梯度是在两个方向上都计算一次偏导数，但是合在一起是否还是有价值的呢？无价值的例子参考李宏毅3-3视频中，以Minecraft为例的解说。...