- 博客(5)
- 收藏
- 关注
RSS订阅原创 深度学习入门实战--全连接神经网络
利用神经网络前向传播输出值和真实值label之间的误差进行反传播进行梯度更新。1.数据输入2.前向传播3.计算损失（误差）4.计算梯度(根据误差函数分别对W和b求导)5.反向更新（更新W和B的值）再重复上述步骤。
2025-11-26 22:18:58
279
原创 《统计学习方法 第二版 监督学习》第二章 感知机总结
感知机是一种线性分类模型(就是通过一个超平面把点分类，一般是二分类)，属于判别模型{直接学习的是条件概率PY∣X或决策函数fX，就比如你根据“”啊你哈sei呦”判断出来是韩语，但你根本不会韩语，这就是判别模型。官方来说就是对数据进行各种程度上的抽象，定义特征并使用特征。fxsignw●xb1.sign是符号函数。2.w●x表示做内积w1x1特征一w2x2特征2bw1w2x1x2T。
2025-11-04 23:50:15
1224
原创 《统计学习方法 第二版 监督学习》第一章总结
由于在这个过程中需要标注的训练数据集，而标注的训练数据集往往是人工给出的，所以称为监督学习。监督模型模型可以是概率模型 也可以是非概率模型，分别由条件概率分布P(Y | X) 和 决策函数 Y = f(X) 表示（比如输入男女性别，输出身高，那么这是一个条件概率分布）区别：一般情况下，贝叶斯引入了先验概率P(θ)，使得θ是有分布的，而在极大似然估计中，θ是均匀分布的。参数化模型：假设模型参数的维度是固定的，即模型可由有限维的参数完全刻画。强化模型的方法：有模型的方法、无模型的方法（基于策略、基于价值）
2025-10-30 17:18:52
660
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人