李宏毅机器学习 Week1

最新推荐文章于 2025-09-28 21:09:53 发布
原创 最新推荐文章于 2025-09-28 21:09:53 发布 · 162 阅读 · 0 ·
CC 4.0 BY-SA版权
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。

此博客围绕李宏毅机器学习Week1展开，虽未给出具体内容，但推测包含该周机器学习相关的关键知识与要点。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

第二周：李宏毅机器学习
m0_59510256的博客
09-15 960
本周以宝可梦为例，学习了回归和分类两大任务的步骤。在预测宝可梦CP值的线性回归任务中，学习了改进模型的常用方法，并学会了用正则化的方法来解决模型过拟合问题；在概率生成模型中，学习了高斯分布和极大似然估计在模型中的应用；在逻辑回归模型中，学习了一种新的损失函数：交叉熵。将逻辑回归与线性回归进行了比较，并对比了均方差和交叉熵，又将概率生成模型和逻辑回归模型进行了对比，分析了各自优势场景。最后，学习了多分类和Softmax的应用，并学习了用特征转换和连接多个逻辑回归的方法来解决逻辑回归的局限性问题。
【第九周】李宏毅机器学习笔记07：Transformer
qq_30043925的博客
08-25 2524
这周主要了解了 transformer 中的 encoder 和 decoder 的结构和实现原理。在 decoder 中学习了两种解码的方法，一种是 AT （Autoregressive Transformer） ，另一种是NAT（Non-Autoregressive Transformer）。其中，AT生成序列质量高但速度较慢，而NAT则以牺牲部分质量换取更快的生成速度。最后还学习了如何训练 transformer 以及训练中的小 tips。
Datawhale李宏毅ml打卡week-1
weixin_39534398的博客
05-13 188
了解什么是Machine learning 人工智能是我们想要达成的目标，机器学习是我们达成目标的手段。机器学习是一门讨论各式各样的适用于不同问题的函数形式，以及如何使用数据来有效地获取函数参数具体值的学科。 学习中心极限定理，学习正态分布，学习最大似然估计 中心极限定理 样本的平均值约等于总体的平均值。 不管总体是什么分布，任意一个总体的样本平均值都会围绕在总体的整体平均值周围，并...
李宏毅机器学习笔记4
qq_62270288的博客
07-12 882
本周学习李宏毅老师2025春季机器学习课程，本周对机器学习的过程进行总结，包括训练过程中出现的各种情况分别对应什么问题和解决办法。training。
第一周：李宏毅机器学习
benbenxinchen的博客
06-30 1233
本周基本了解了机器学习是什么并学习了其模型的训练步骤，以具体案例作分析一步步对模型进行优化并学会运用梯度下降法来找最小损失点；初步认识了神经网络与深度学习，也以具体案例介绍了深度学习的训练步骤；最后还学习了反向传播算法，并进行了手动模拟计算。：为什么要定义损失函数？：为了评估模型在训练过程中的效果，比如误差是否过大，或者是否模型过拟合。函数集（function set）就是只定义出了一个network structure，但是没有设定输入值和超参数（w、b），它包含或好或坏的function。
【第一周】李宏毅机器学习笔记01
qq_30043925的博客
06-30 2753
本周学习了机器学习的基本概念，包括机器学习的函数输入输出类型以及函数的分类，分别了解了简单模型和复杂模型的训练三步骤。认识了神经网络的的结构，了解了深度学习的训练三步骤，学习并手动推导了反向传播法，进一步理解了反向传播的思想以及反向传播中涉及的计算思路。
李宏毅机器学习笔记15
最新发布
qq_62270288的博客
09-28 620
本周继续学习李宏毅老师2025春季机器学习课程，本周学习内容是如何训练GAN相关的知识，以及训练过程中相关参数的计算方法等。
李宏毅机器学习笔记6
qq_62270288的博客
07-27 991
本周继续学习李宏毅老师2025春季机器学习课程，学习内容主要是与batch相关的概念以及batch划分大小的影响及后果。在没有平行计算时小batch更新更快，有平行计算时大小batch更新时间基本相同。在epoch耗时上大batch计算更快，但在准确率上小batch在训练与测试中均表现更佳。%5Ctheta。
李宏毅机器学习笔记1
qq_62270288的博客
06-22 615
本周学习了李宏毅老师2021春季机器学习课程。介绍了机器学习的定义、三大任务（回归、分类、结构学习）及步骤（写未知参数函数、定义损失函数、优化）。t概括来说可以用一句话来描述机器学习——机器学习就是让机器具备找一个函式的能力。
李宏毅机器学习 Week2
wxl1999的博客
04-21 215
【第三周】李宏毅机器学习笔记03
qq_30043925的博客
07-14 925
这周学习了机器学习的任务攻略。在机器学习中我们通过损失函数的值来判断模型性能的好坏。当训练中的loss值达不到我们理想的结果时我们需要分析loss值过高的原因，有可能是model bias也有可能是optimization。当我们在训练集中的loss取得很好的结果之后就要去观察测试集上的loss。测试集上loss过大则可能产生过拟合，如何解决过拟合也是本周需要学习的内容。此外还学到了一种模型评估办法——K折交叉验证法。本文还介绍了局部最小点和鞍点，对判断局部最小点和鞍点的方法进行了手写推导。
【第七周】李宏毅机器学习笔记05：自注意力机制
qq_30043925的博客
08-11 1042
本周学习了自注意力机制，了解了Self-attention的组成结构和有关参数α的计算方法，并且运用了线性代数的方法手动推导了求解输出矩阵的矩阵乘法表示方式，将复杂的问题简单化，更加深入理解了Self-attention的具体机制以及运用方法，最后也将Self-attention与CNN和RNN网络做对比，学习不同方法的优缺点。在师兄的建议下了解了空洞卷积和转置卷积的概念，对部分内容进行了笔算，加深了我对卷积运算的印象。本周进行了理论内容的学习，了解了自注意力机制。
李宏毅的机器学习作业3
qq_45878378的博客
08-19 1856
李宏毅的机器学习作业3作业要求数据处理模型搭建 作业所需数据 akti 作业参考答案 作业要求 本次作业是一个图像识别任务，要将所给的食物图片分类，共有十一种，图片对应的食物编号在图片名字的前缀上。本此作业需要用到的是卷积神经网络cnn，以pytorch实现,由于任务较简单，所以使用的网络结构并不复杂。 数据处理 先总结一下对数据的处理步骤。 读取文件，提取标签 def readfile(path, label): # label 是一個 boolean variable，代表需不需要回傳 y 值
西瓜书读书笔记之序言、前言与如何使用本书
wxl1999的博客
02-01 1002
在导师的安排下，终于开始了学习机器学习的漫漫征途。 说到这，不禁想起昨日与我哥说起学习机器学习这句话的两种理解。一是，学习|机器学习；二是，学习机器|学习。值得一提的是后者，大一下学期我在信通院旁听张闯老师的python编程与实践这门课时，就听老师提到过，研究机器学习有助于理解人是如何学习的。不料前二日读西瓜书绪论中应用现状一节，发现周老师也提到，机器学习有助于“通过建立一些关于学习的计算模型来...
动手学深度学习读书笔记-数值稳定性和模型初始化
wxl1999的博客
07-09 585
数值稳定性和模型初始化 深度模型有关数值稳定性的典型问题是衰减（vanishing）和爆炸（explosion）。 衰减和爆炸 当神经网络的层数较多时，模型的数值稳定性容易变差。假设一个层数为LLL的多层感知机的第lll层H(l)\boldsymbol{H}^{(l)}H(l)的权重参数为W(l)\boldsymbol{W}^{(l)}W(l)，输出层H(L)\boldsymbol{H}^{(...
动手学深度学习读书笔记-正向传播、反向传播和计算图
wxl1999的博客
07-09 562
正向传播、反向传播和计算图 正向传播 正向传播是指对神经网络沿着从输入层到输出层的顺序，依次计算并存储模型的中间变量（包括输出）。 为简单起见，假设输入是一个特征为x∈Rd\boldsymbol{x} \in \mathbb{R}^dx∈Rd的样本，且不考虑偏差项，那么中间变量 z=W(1)x,\boldsymbol{z} = \boldsymbol{W}^{(1)} \boldsymbol{x...
动手学深度学习读书笔记-1
wxl1999的博客
07-03 425
动手学深度学习读书笔记-1 前言 应用深度学习的关键 问题的动机和特点； 将大量不同类型神经⽹络层通过特定方式组合在⼀起的模型背后的数学原理； 在原始数据上拟合极复杂的深层模型的优化算法； 有效训练模型、避免数值计算陷阱以及充分利⽤硬件性能所需的⼯程技能； 为解决⽅案挑选合适的变量（超参数）组合的经验。 深度学习简介 机器学习和深度学习应用的核心思想：用数据编程 通俗来说，机器学习是一门...
西瓜书读书笔记之模型评估与选择（三）
wxl1999的博客
02-11 391
2.4 比较检验 问题： 希望比较的是泛化技能，实验评估方法得到的是测试集上的性能’ 测试集上的性能与测试集本身的选择有很大关系。大小、包含测试样例的不同，都会影响测试结果。 很多学习算法有一定随机性 采用统计假设检验 2.4.1 假设检验 学习器泛化错误率为，测试错误率为，在包含m个样本的测试集上，泛化错误率为的学习器被测得测试错误率为的概率为：，符合二项分布，P在=时最大，二者距离变大...
动手学深度学习读书笔记-4
wxl1999的博客
07-08 383
多层感知机 文章目录多层感知机隐藏层激活函数Relu函数Sigmoid函数tanh函数多层感知机 隐藏层 多层感知机在单层神经⽹络的基础上引⼊了⼀到多个隐藏层（hiddenlayer）。 我们先来看一种含单隐藏层的多层感知机的设计。其输出O∈Rn×q\boldsymbol{O} \in \mathbb{R}^{n \times q}O∈Rn×q的计算为 H=XWh+bh,O=HWo+bo, \...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
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。

余额充值