网络机器人吧社区

机器学习基础

Python编程之路 2019-01-10 15:21:28

监督学习:训练时有输入及对应的输出结果的学习方式。目前推荐的学习方式,适合有比较好数据源的场景
非监督学习:训练时只有输入,不知道结果的学习方式。各种数据不完善的场景
Regression 回归学习:
假设使用作为Fcnction,那么相应的损失函数可以默认为
其中x是输入数据,y是输出数据,b和w是未知参数,10是这个函数只有10个原始数据,可以为n
Gradient Descent梯度下降:

L对w的偏微分,当斜率小于0时增加,大于0时减少;得到的值继续往下传递;为固定参数,数值越大,效率越高;数字越小精度越高
Overfitting过拟合:训练数据越精准,但是测试数据精度越差
模型改进:
损失函数优化:
手工输入值;目的是期待一个接近于0的w,使得Function更平滑,(训练结果越差,有可能测试结果越好)(ps:平滑使用w控制,b只控制上下,所以regularization只使用了w参数)


使用tensorflow计算下面算式的值:

x=2 ,y=3,z=7 求解:res=x*y+z的结果

x=tf.constant(2)
y=tf.constant(3)
z=tf.constant(7)

#说明tf.mul, tf.sub and tf.neg are deprecated in favor of tf.multiply, tf.subtract and tf.negative.

res= tf.add( tf.multiply(x,y),z)
with tf.Session() as sess:
        print(sess.run(res))



Copyright © 网络机器人吧社区@2017