Datawhale X 李宏毅苹果书 AI夏令营 入门 Task1-机器学习

目录

机器学习基础

机器学习:机器具备有学习的能力/让机器具备找一个函数的能力。比如语音识别、图像识别、

机器学习有不同的类别。

1)回归:假设要找的函数的输出是一个数值/标量,这种机器学习的任务称为回归。

2)分类:分类任务要让机器做选择题。人类先准备好一些选项,这些选项称为类别。

3)结构化学习:机器不只是要做选择题或输出一个数字,而是产生一个有结构的物体,比如让机器画一张图,写一篇文章。这种叫机器产生有结构的东西的问题称为结构化学习。

案例分析-视频的点击次数预测

机器学习流程

1)构建模型

写出一个带有未知参数的函数(模型),用于预测未来观看次数。

例如, y = b + w x 1 y = b + wx_1 y=b+wx1,其中 y 是预测的观看次数, x 1 x_1 x1 是前一天的观看次数,b 和 w 是未知参数。

其中,带有未知的参数的函数称为模型。特征 x 1 x_1 x1是这个函数里面已知的,而 w 跟 b 是未知的参数。w 称为权重,b 称为偏置。

2)定义损失函数

损失函数用于评估模型预测值与实际值之间的差异。

例如,如果 b = 500 和 w = 1,则预测函数为 y = 500 + x 1 y = 500 + x_1 y=500+x1。

计算每一条记录的预测值与实际值之间的差距,并求平均值得到损失。

3)最优化

使用梯度下降算法来调整模型参数,以最小化损失函数。

初始参数随机选取,然后根据损失函数的梯度来更新参数。

更新规则为: w 1 ← w 0 − η ∂ L / ∂ w ∣ w = w 0 w1 ← w0 - η ∂L/∂w | w=w_0 w1←w0−η∂L/∂w∣w=w0,其中 η 是学习率。

梯度下降过程中可能遇到局部最小值,但这通常不是一个严重的问题。

4)结果

在训练数据上找到了最佳参数 w* = 0.97, b* = 100。

使用这些参数得到的平均误差约为 480。

在未见过的数据上(2021年的数据),模型的误差为 0.58。

相关公式

1.模型公式:

2.损失函数

3.参数更新

相关推荐
墨绿色的摆渡人7 分钟前
用 pytorch 从零开始创建大语言模型(三):编码注意力机制
人工智能·pytorch·语言模型
zm-v-1593043398624 分钟前
ChatGPT 与 DeepSeek:学术科研的智能 “双引擎”
人工智能·chatgpt
果冻人工智能26 分钟前
美国狂奔,中国稳走,AI赛道上的龟兔之争?
人工智能
牙牙要健康27 分钟前
【目标检测】【深度学习】【Pytorch版本】YOLOV2模型算法详解
pytorch·深度学习·目标检测
果冻人工智能37 分钟前
再谈AI与程序员: AI 写的代码越来越多,那我们还需要开发者吗?
人工智能
大脑探路者40 分钟前
【PyTorch】继承 nn.Module 创建简单神经网络
人工智能·pytorch·神经网络
无代码Dev1 小时前
如何使用AI去水印(ChatGPT去除图片水印)
人工智能·ai·ai-native
无难事者若执1 小时前
新手村:逻辑回归-理解03:逻辑回归中的最大似然函数
算法·机器学习·逻辑回归
达柳斯·绍达华·宁1 小时前
自动驾驶04:点云预处理03
人工智能·机器学习·自动驾驶