Свързани публикации 'gradient-descent'
Какво е Gradient Descent?
Преглед
Този урок е върху основите на градиентното спускане. Освен това е продължение на публикацията „Въведение в машинното обучение“, „Какво е машинно обучение?“, която може да бъде намерена „тук“.
И така, какво е градиентно спускане?
Градиентно спускане е метод за намиране на оптималните тегла за модел. Използваме алгоритъма за градиентно спускане, за да намерим най-добрия модел за машинно обучение, с най-ниска грешка и най-висока точност. Често срещано обяснение на градиентното..
Основно смятане, обяснено за машинно обучение
Така че целта на тази проста статия е да обясни концепцията на простото изчисление за да разбере как работи градиентното спускане .
КОНЦЕПЦИЯ
Да кажем, че в моя офис са ми необходими 10 секунди ( време ), за да измина 25 метра ( разстояние ) до този сладък колега и така една концепция е представена като графиката По-долу:
Ако искаме да изразим горната ситуация като функция, тогава ще бъде:
разстояние = скорост * време
чиято скорост е 1 метър в секунда.
Така че за..
Математиката зад градиентно спускане
В предишната и първата статия от поредицата „The Maths Behind“ обсъдихме линейната регресия. В този ще разберем какво е градиентно спускане и как работи, очевидно с помощта на математика, о!
Добре, така че първо и най-важно какво е Gradient Descent? Нека обясня. По същество това е метод за оптимизация, при който намираме локалните или глобалните минимуми (в зависимост от кривата) на дадена крива чрез произволно избиране на постоянните параметри и постепенно придвижване надолу, докато..
Нарушаване на симетрията в дълбокото обучение
Инициализирането на тегла към нулеви матрици в L-слоест модел на задълбочено обучение може да доведе до намаляване на разходите, но без промяна в теглата. Тази статия говори за красив, но жизненоважен термин „Нарушаване на симетрията“ в Deep Learning.
Алгоритъмът за дълбоко обучение очарова всички нас със своята точност. Всяка област от време на време използва модели за задълбочено обучение, независимо дали става дума за самоуправляващи се автомобили, изкуствен интелект, преобразуване..
Изграждане на интуиция около контролирано машинно обучение с градиентно спускане
В „моята последна бележка“ разгледахме различните типове машинно обучение, включително видове контролирано обучение. Тази седмица ще разгледаме един от най-разпространените начини, по които моделите учат при контролирано обучение. За да направим това, ще трябва да въведем известна терминология и леки нотации, които (обещавам) ще бъдат важни за ясното обяснение на бъдещите концепции.
ТЕРМИНОЛОГИЯ И СВЕТЛИНА НОТАЦИЯ
Набори за обучение: Добра практика е наборът от данни, използван за..
Едномерна линейна регресия от нулата
С код в Python
Въведение
Като цяло един от първите предмети на курса по Машинно обучение е Линейна регресия , която не е много сложна и лесна за разбиране. Освен това включва много понятия за машинно обучение , които могат да се използват по-късно в по-сложни концепции. Така че е разумно да започнем с линейна регресия към нова поредица от основи на машинното обучение .
В тази публикация в блога ще научим за едномерната линейна регресия , което означава линейна регресия..
Градиентно усилване за регресия - математика и интуиция
Gradient Boosting Machines работи върху идеята за Boosting в Data Science, където моделът се изгражда, като се опитва да коригира грешките, направени от предишния модел.
Работи по принципите на Gradient Descent, за да сведе до минимум грешките. Опитва се да превърне слабите учащи се в силни учащи се.
Градиентното усилване започва с създаване на единичен лист вместо дърво, което представлява първоначално предположение за прогнози за всички проби. Когато се опитвате да предвидите..
