机器学习是什么? 从数据中学习经验,以解决特定问题。
垃圾信件分类 特征与分类 拟合出来是一条直线,称为线性分类器。 线性分类器假设类别和特征之间存在某种线性关系,换言之,不同类的数据在特征空间中可以被一条线分开。 感知器:从数据中学习
机器学习的基本流程 以分类问题为例,采用机器学习的方法解决实际问题通常需要3个步骤:
线性分类器与非线性分类器 异或问题是非线性分类问题 神经元 权重 weight:
偏置值 bias:
激活函数:
多层感知器
衡量神经网络的性能:损失函数 调整w,降低损失函数的值:梯度下降算法 梯度下降算法 梯度的计算 反向传播算法 基于梯度下降训练神经网络的整体流程 欠拟合、拟合与过拟合 早停 Early Stopping
卷积神经网络的整体结构 卷积层’ 卷积的变形 激活层 池化层 全连接层 概率输出层 特征与分类的角度理解CNN
OpenMMLab AI实战营——01 计算机视觉算法基础与OpenMMLab介绍