【2020春】李宏毅机器学习(课程介绍/环境介绍/基础概念/回归)

https://www.bilibili.com/video/av94519857?p=1

1. 课程介绍

分类、回归、生成

监督、无监督、强化学习

可解释AI、对抗攻击、网络压缩

异常检测(知道自己不知道)

迁移学习(训练和测试的数据分布不同)

Meta Learning(学习如何学习, Learn to learn)

Life long learning,Continuous Learning

2. 课程规则和环境

3. Regression






为什么regularization项不考虑bias?

因为regularization是为了让模型拟合的函数更加平滑,而影响平滑的因素主要是weight,所以不需要考虑bias。

4. 基础概念,bias(偏差/均值)和variance(方差)


为什么简单模型的variance小?

简单模型受采样数据影响更小。

为什么复杂模型的bias小?

复杂模型的function space更大,更有可能找到接近target function的函数(数据越多越可能找到)。

underfitting,large bias,重新设计更复杂模型,增加features,增大function space;

overfitting,large variance,增加数据,增加正则项;

public testing set / private testing set



posted @ 2020-08-22 12:15  ZH奶酪  阅读(74)  评论(0编辑  收藏