摘要：
假设我们有时间和计算资源来计算w1的所有可能值的损失。对于我们一直在研究的回归问题，所产生的损失与w1的图形始终是凸形。如下图所示： 图2 回归问题产生的损失与权重图为凸形 凸形问题只有一个最低点，即只存在一个斜率正好为0的位置。这个最小值就是损失函数收敛之处。 通过计算整个数据集中w1每个可能值的 阅读全文
摘要：
下图显示了机器学习算法用于训练模型的迭代试错过程： 图1 用于训练模型的迭代方法 我们将在整个机器学习课程中使用相同的迭代方法详细说明各种复杂情况，尤其是上图中的蓝色区域。迭代策略在机器学习中的应用非常普遍，这主要是因为它们可以很好地扩展到大型数据集。 “模型”部分将一个或多个特征作为输入，然后返回 阅读全文
摘要：
概述 训练模型表示通过有标签样本来学习确定所有的权重和偏差的理想值。在监督式学习中，机器学习算法通过以下方式构建模型：检查多个样本并尝试找出可最大限度地减少损失的模型；这个过程称为 经验风险最小化 。 损失是对糟糕预测的惩罚。也就是说， 损失 是一个数值，表示对于单个样本而言模型预测的准确程度。如果 阅读全文
摘要：
机器学习主要术语 监督式机器学习 机器学习系统通过学习如何组合输入信息来对从未见过的数据做出有用的预测。 标签 在简单的线性回归中，标签是我们要预测的事物，即y变量。标签可以是小麦的价格、图片中显示的动物品种、音频剪辑的含义或任何事物。 特征 在简单的线性回归中，特征是输入变量，即x变量。简单的机器 阅读全文