什么是机器学习?----本质就是寻找一个函数。
可以训练什么样的函数呢?
可以训练一个回归的函数,也可以训练一个分类的函数。
这个例子的需要分类的类别是19*19的选项。
在机器学习领域里面不止回归和分类。
举例:预测函数
利用已存在的数据,预测未来几天的数据。
这个函数的参数如何定义?
b和w是未知参数,x是输入,y是输出。
如何定义一个loss?
每一天的误差都可以加起来生成的L就代表了损失。
计算每一天的损失时所用的公式是多样的 :
红色系---大 蓝色系---小
优化器
根据斜率来调整w的大小。
如何调整w的变化步长呢?
除了关于当前的斜率外还和自己设置的学习率相关。
局部最优问题!
可以看出7天一个周期
红色曲线可以使用3个函数合并而成
利用矩阵相乘的方法来简写:
回到上面提到的三步:
Loss计算方式保持不变。
优化器保持不变
训练数据
所有的batch训练完称为epoch
参数更新的次数和设置的batchsize大小有关。
另一个激活函数
实验结果:
再次更改模型
实验结果
好听的名字:神经网络
问题:如果足够多的层次效果就会好?
这种问题是由于过拟合产生的问题。