人工智能→机器学习→深度学习:.
循环神经
网络不定长数据
应用
机器学习应用场景
神经元——最小神经网络
深度学习算法
深度学习与机器学习
人工智能,机器学习,深度学习的关系
命令式编程和声明式编程的优缺点
命令式编程和声明式编程的区别
梯度下降法
需要设定合适的学习率
两种目标函数的公式。
多分类时常用交叉熵损失
目标函数(损失函数)定义:衡量对数据的拟合程度
one-hot编码:https://www.cnblogs.com/shuaishuaidefeizhu/p/11269257.html
多神经元可以实现多输出的神经网络模型
多分类问题比二分类问题有更广的适用性
公式:
二分类罗技斯蒂回归模型
神经元——最小的神经网络
最后一项的+1乘b
W是权重
x是特征
f是激活函数:给计算出的内积进行非线性的变换
b是偏置
概率是0,1之间可以用这个模型
最小的神经网络
机器学习应用流程
神经网络包括神经元,逻辑回归模型,神经网络训练。
神经元是最小的神经网络,它包括多个输入,一个输出。公式中包含权重、激活函数、特征和偏置。
具体的神经元例如激活函数sigmoid,二分类逻辑斯蒂回归模型
机器学习岗位职责
好像理解了 ,这是其中一个函数,概率他为什么只有1和0 。那么为什么在
-6---+6之间最陡峭。另外难道它能把X均值了
分类b的作用
神经网络简介
偏置偏置偏置