AI相关知识学习思维的建立（1）
【摘要】 监督学习例子： 编辑具体问题： 数据： 模型：表示对现实世界现象的简化和抽象（学术界），机器学习领域，模型可以看作一个函数，或者说是一个有输入和输出的黑盒子。编辑感知机： 最早的是0和1，存在的 问题，没法往回追溯，不知道哪个维度更重要，解决方式，引入激活函数权重数值的确立：反向传播算法（函数，导数）编辑计算得出的0.22是错误的，实际可能是0.6，如何...
监督学习例子：
具体问题：
数据：
模型：表示对现实世界现象的简化和抽象（学术界），机器学习领域，模型可以看作一个函数，或者说是一个有输入和输出的黑盒子。
感知机： 最早的是0和1，存在的 问题，没法往回追溯，不知道哪个维度更重要，解决方式，引入激活函数
权重数值的确立：反向传播算法（函数，导数）
计算得出的0.22是错误的，实际可能是0.6，如何衡量这些偏差，--》损失函数（均方差，均方误差，交叉熵损失，绝对误差），损失函数的结果永远是非负数值，把偏差看成是关于权重值的函数，也就是损失函数，要找损失函数变化最快的权重，也就是梯度。
链式法则，求导：
延着梯度前进一点点
收敛：
超参数：批量大小，迭代步数，激活函数，优化器选择，学习率，超参数不改变模型结构。最重要的是学习率。
残差网络的出现，开始推进深度学习。
欠拟合，过拟合
模型具备优秀的泛化能力。
【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息， 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）