【机器学习2021-李宏毅】学习笔记(一) 基本概念 结构化学习 机器学习中的任务不只包括Regression和Classification两大类,还有Structure Learning,也就是函数的输出并不是一个标量或者一个类别,而是生成有结构的输出(比如图像、文本等)。 误差曲面 通过试不同的参数,然后计算对应情况下的loss,画出来的等高线图称为Error ...
B站视频:(强推)李宏毅2021春机器学习课程 GitHub笔记:DeepLearning_LHY21_Notes 1.机器学习基本概念(P2) 1.1.机器学习分类 回归任务(regression) 分类任务(classfication) 结构化学习(structured learning) 1.2.实际问题机器学习过程 解决预测视频点击量预测 1.训练:training data 1)定义模型:线性函数(linear model) 2...
在深度学习中,往往将训练数据集随机划分为N个batch,每完成一个batch的计算,便更新一次参数θθ,一轮(epoch)完成对所有N个batch的计算。 五、总结 机器学习粗浅理解:寻找一个ff,通过输入训练数据xx,来训练ff中的未知参数,使得L(θ)L(θ)最小,来完成我们的工作。 对于机器学习任务的分类有如下几个: Classificatio...
李宏毅机器学习2021机器学习基本概念介绍笔记 假设机器学习就是求解一个未知函数,简单认为这个函数是一个一元函数 y=x1 Loss define y是真实值,y¯是预测值,Loss:L=1n∑n1en loss函数有多种,常见的Loss函数有MAE,MSE Optimization 优化函数确定学习的方向,及下一步的走向。梯度下降是最常见的优化函数。 Learning ...
【机器学习2021-李宏毅】机器学习任务攻略笔记 Testing data Train model步骤: 写出有未知数的function: 用Theta(θ)代表function中所有的未知数 input为feature define loss(function) from traning data loss is a function: 输入为一组参数,loss function的作用为判断这一组参数好还是不好。
【学习笔记】李宏毅2021春机器学习课程第一节:机器学习基本概念简介 7月10日 一、李宏毅2021春机器学习课程-第一节 试了不同的参数,然后计算它的Loss,画出来的这个等高线图叫做Error Surface,是机器学习的第二步。 来自model本身的限制叫做model bias ReLU ReLU 和 sigmoid哪一个更好呢? Deep Learning名称的由来...
李宏毅老师的机器学习课程和吴恩达老师的机器学习课程都是都是ML和DL非常好的入门资料,在YouTube、网易云课堂、B站都能观看到相应的课程视频,接下来这一系列的博客我都将记录老师上课的笔记以及自己对这些知识内容的理解与补充。(本笔记配合李宏毅老师的视频一起使用效果更佳!) ...
机器学习李宏毅(1)学习任务一 ,发现其潜在的规律。通过数据训练得到训练模型,然后对未知数据进行预测机器学习,虽然分为很多种,但大致都有三个步骤: 1)确定Model:Model就是a set offunction(函数的集合),一个Model有很多个函数,通过函数我们得到想要的output。2)评价函数(Goodness offunction):因为有许多的函数,我们...
简介: 李宏毅2021春季机器学习课程视频笔记1:Introduction, Colab & PyTorch Tutorials, HW1 1. Introduction 建议先修 数学:微积分、线性代数、概率论 编程:课程任务都提供Python示例代码,要求能阅读并基于示例代码进行修改和优化。课程中不会教NumPy,Matplotlib等。 硬件:如果能上Google的话,课程作业都通过Google ...
1. 深度学习简介 本节是17年李宏毅机器学习课程中的一个章节。17年版我刷过一遍,但是看得不详细。大致来说,当时的逻辑是先介绍逻辑回归和softmax,然后引入深度学习。21版就直接从sigmoid曲线拟合函数的逻辑引入深度学习了,比那个版本要简单易懂得多。