Regression
step1:model
y=b+w*x cp
step2:goodness of function
loss function:how bad the function is
step3:best function
令Lf最小
GRADIENT DESCENT：协助计算偏微分
lenear 无需考虑此问题
Overfitting:A more complex model does not always lead to better performance on testing data.
hidden factor->
back to step1:redesign the model
back to step2:regularizaton
越平滑，对noise越不敏感。training data误差越小，但testing data误差不一定
Regression step1:model y=b+w*x cp step2:goodness of funct...
学习资源 视频：李宏毅深度学习完整版 别人的中文笔记：李宏毅机器学习笔记(LeeML-Notes)李宏毅机器学习笔...
引言： 这个系列的笔记是台大李宏毅老师机器学习的课程笔记视频链接（bilibili）：李宏毅机器学习(2017)另...
[机器学习] 李宏毅机器学习笔记-5（Classification: Probabilistic Generati...
介绍 本系列文章为台湾大学李宏毅老师机器学习课程的个人学习笔记。 参考资料 datawhale-李宏毅机器学习笔记...
[机器学习入门] 李宏毅机器学习笔记-15 （Unsupervised Learning: WordEmbeddi...
[机器学习入门] 李宏毅机器学习笔记-24（introduction of Structured Learning...
[机器学习] 李宏毅机器学习笔记-6 （Classification: Logistic Regression；L...
[机器学习入门] 李宏毅机器学习笔记-30 (Sequence Labeling Problem part 2 ;...
[机器学习入门] 李宏毅机器学习笔记-31 (Sequence Labeling Problem part 3 ;...
本文标题：lecture1机器学习by李宏毅
本文链接：https://www.haomeiwen.com/subject/atozxxtx.html
网友评论