1.机器学习与深度学习

一、引言

二、机器学习经典算法

1.KNN:K最近邻居(K-Nearest Neighbors,简称KNN)

监督学习算法,用于分类和回归问题。

基本思想:通过测量不同数据点之间的距离来进行预测

步骤:1.距离度量: KNN使用距离度量(通常是欧氏距离)来衡量数据点之间的相似性。 2.确定邻居数量K 3.投票机制

2.决策树

三种算法(ID3,C4.5,cart)

简单示例

决策树不擅长处理未见过的特征

3.朴素贝叶斯(执果索因)

三、深度学习

设计一个很深的网络架构让机器自己学(深度学习相当于函数f)

神经网络的输入形式:

(1).向量 eg:(身高,体重,财富)T

(2).矩阵/张量 eg:图片的RGB三通道矩阵

(3).序列:"你今天吃什么",视频(一帧帧图片构成的序列),一行行代码,chatgpt

输出:

(1).回归任务:填空题,如预测明天的温度

(2).分类任务:选择题:如预测这图片是狼是狗,预测一句话积极还是消极

(3).生成任务(结构化输出):简答题:chatgpt

分类和回归是结构化的基础。分类时, 是用数字来表示类别。有的时候需要多个模态的数据, 比如 图片, 文字, 声音。

步骤:

(1).定义函数 (模型)

模型:ŷ = w x + b (weight权重,bias偏置,此为Linear model(线性模型))

(2).定义合适的损失函数loss

L(w, b) = |ŷ - y| = | w x+b- y|

L=1/N∑l

作用:判断我们选择的这组参数怎么样

(3).根据损失, 对模型进行优化(Optimization)

使L最小时w与b是多少

相关推荐
吴佳浩1 小时前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu
forest_095 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区6 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔6 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区6 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1236 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI6 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健7 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV7 小时前
Google 重返第一梯队
人工智能·google·aigc