机器学习和神经网络入门汇总一

最新推荐文章于 2025-07-25 11:27:55 发布

VAE has

最新推荐文章于 2025-07-25 11:27:55 发布

阅读量443

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签：机器学习神经网络

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/weixin_41907390/article/details/102063278

本文介绍了机器学习的基础概念，区分了无监督学习与有监督学习，并以线性回归为例，详细阐述了学习模型的构建过程。通过线性回归的实例，解释了损失函数和梯度下降法的应用，强调线性回归的代价函数具有全局最优解的特性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

序言：首先一定要知道，人工智能不等于机器学习！机器学习是人工智能领域最能够体现智能的一个分支。

在开始之前，我们需要对机器学习的内容有一个大概的了解和分类，如下所示：

其中，无监督学习是指当获取向量数据后在没有标签的情况下自动找出内部蕴含关系的一种挖掘工作，我们不需要过多的干预（可以理解成丢给算法一大堆数据，让它自己找出这些数据中的规律然后做出抉择）；有监督学习要通过训练，每一个样本都需要标签，在学习的过程中要总结样本和标签的映射关系（类似于小时候家伙教你说这是猫，久而久之你也认识猫一样）。这两种不同的方式处理逻辑有很大的不同，初学的朋友请格外注意。

接下来以最简单的线性回归为例，体会一下整个工作流程：

假设有一组数据(1,1) (2,2) (3,3) .....经过学习后得到了一个学习模型为： $H_{\theta }(x)=\theta _{0}+\theta _{1}\times x$ ，为了方便起见，我们令 $\theta _{0}=0$ ，则有：

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。