AI之旅

摘要： 前置知识   求导 知识地图   神经网络算法是通过 前向传播求代价，反向传播求梯度 。在上一篇中介绍了神经网络的组织结构，逻辑关系和代价函数。本篇将介绍如何求代价函数的偏导数（梯度）。 梯度检测   在进入主题之前，先了解一种判断代价函数 阅读全文

摘要： 前置知识   求导 知识地图   回想线性回归和逻辑回归，一个算法的核心其实只包含两部分：代价和梯度。对于神经网络而言，是通过 前向传播求代价，反向传播求梯度 。本文介绍其中第一部分。 多元分类：符号转换   神经网络是AI世界的一座名山， 阅读全文

摘要： 前置知识   导数，矩阵的逆 知识地图   正则化是通过为参数支付 代价 的方式，降低系统复杂度的方法。牛顿方法是一种适用于逻辑回归的求解方法，相比梯度上升法具有迭代次数少，消耗资源多的特点。 过拟合与欠拟合   回顾线性回归和逻辑回归这两 阅读全文

摘要： 前置知识   求导 知识地图   逻辑回归是用于分类的算法，最小的分类问题是二元分类。猫与狗，好与坏，正常与异常。掌握逻辑回归的重点，是理解 S型函数 在算法中所发挥的作用，以及相关推导过程。 从一个例子开始   假设我们是信贷工作人员，有 阅读全文

摘要： 前置知识   矩阵的逆 知识地图   首先我们将了解一种叫升维的方法，用已有特征构造更多的特征。接着通过对空间与投影建立一定的概念后，推导出最小二乘法。 当特征数量不足时   在上一篇《初识线性回归》中，我们假设要处理的问题有足够的样本数量 阅读全文

摘要：  前置知识   矩阵、求导 知识地图   学习一个新事物之前，先问两个问题，我在哪里？我要去哪里？这两个问题可以避免我们迷失在知识的海洋里，所以在开始之前先看看地图。   此前我们已经为了解线性回归做了一点准备工作，现在开始正式进入主题， 阅读全文

摘要： 前置知识   无 知识地图 自学就像在海中游泳   当初为什么会想要了解机器学习呢，应该只是纯粹的好奇心吧。AI似乎无处不在，又无迹可循。为什么一个程序能在围棋的领域战胜人类，程序真的有那么聪明吗？如果掌握机器学习，就能创造属于自己的AI吗？  &e 阅读全文