机器学习笔记(八):神经网络:学习
目录
1)Cost function
2)Backpropagation algorithm
3)Backpropagation intuition
4) Gradient checking
5)Random initialization
6)Putting it together
注:吴恩达老师的机器学习课程对反向传播算法介绍的不够深入,如果想详细了解的话建议看吴恩达老师的深度学习课程。
1)Cost function
回顾一下我们之前介绍的神经网络,二分类和多分类应用:
参数:
我们参照逻辑回归函数来给出神经网络的代价函数:
- 对于每一行特征,我们都会预测 K 个结果,然后从 K 个结果中选取概率最大的那个。
- 最里层 j 循环所有行(由 sl+1 层的神经单元数决定),i 循环所有的列(由 sl 层)的激活单元数决定。
2)Backpropagation algorithm
我们来看看我们的梯度计算公式:
在进行反向传播计算之前,我们来看看我们介绍过的前向传播:
反向传播计算:这一部分建议看看吴恩达老师的深度学习课程,里面详细介绍了反向传播算法。
最后我们得出了反向传播算法,主要还是偏导数的计算:
3)Backpropagation intuition
4) Gradient checking
我们使用数值梯度校验:
5)Random initialization
这里注意的是所有的参数不能全为0:
6)Putting it together
下面介绍的使用神经网络的步骤:
机器学习笔记(八):神经网络:学习相关推荐
- 吴恩达机器学习笔记 —— 9 神经网络学习
http://www.cnblogs.com/xing901022/p/9344621.html 本章讲述了神经网络的起源与神经元模型,并且描述了前馈型神经网络的构造. 更多内容参考 机器学习& ...
- 机器学习笔记(八)集成学习
8.集成学习 8.1个体与集成 集成学习(ansemblelearning)通过构建并结合多个学习器来完成学习任务,也称为多分类器系统(multi-classifiersystem).基于委员会的学习 ...
- 吴恩达机器学习笔记week8——神经网络 Neutral network
吴恩达机器学习笔记week8--神经网络 Neutral network 8-1.非线性假设 Non-linear hypotheses 8-2.神经元与大脑 Neurons and the brai ...
- 机器学习笔记之集成学习(四)Gradient Boosting
机器学习笔记之集成学习--Gradient Boosting 引言 回顾: Boosting \text{Boosting} Boosting算法思想与 AdaBoost \text{AdaBoost ...
- 机器学习笔记-人工神经网络(artificial neural networks)
目录 人工神经网络(ANN) 引言 感知器 什么是感知器? 感知器的例子 权重和阈值 多层前馈神经网络 网络结构 正向传播 反向传播(Error Back Propagation,BP算法) 后话 ...
- 机器学习笔记(五)神经网络
5.神经网络 5.1神经元模型 神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应.对这句话的理解,简单提要下,主角是简单单元(输入单 ...
- [机器学习笔记] Note1--机器学习简介
阅读本文大约需要 2 分钟 本文结构: 什么是机器学习 监督学习(Supervised Learning) 非监督学习(Unsupervised Learning) 课程小结 这是学习 Andrew ...
- 机器学习笔记-多分类学习,类别不平衡,决策树
读书笔记 多分类学习 基本思想:拆解法:将多分类任务拆解为若干个二分类任务求解,先对这些问题经拆分,为拆分出的每个二分类任务训练一个分类器,测试时,对这些分类器的预测结果进行集成以获得最终的多分类结果 ...
- [机器学习笔记]Note9--机器学习系统设计
继续是机器学习课程的笔记,本节课的内容主要是介绍如何设计一个机器学习系统. 首先要做什么 这节课将介绍如何设计一个机器学习系统,首先是以设计一个垃圾邮件分类器算法作为例子. 为了解决这个问题,首先要决 ...
- [机器学习笔记]Note8--机器学习应用建议
继续是机器学习课程的笔记,本节课的内容主要是一些机器学习应用的建议,包括对假设的评估,如何处理过拟合和欠拟合等. 觉得下一步做什么 到目前为止,我们已经学习了线性回归,逻辑回归以及神经网络,梯度下降等 ...
最新文章
- syslog服务器默认使用协议,什么是syslog协议?
- 【数据结构 JavaScript版】- web前端开发精品课程【红点工场】 --javascript-- 链表实现...
- 常用JavaScript的高级技巧
- .NetCore模拟Postman的BasicAuth生成Authrization
- 测试常用工具下载地址,LR11、QC11
- 混凝土泵送机械大数据挖掘与应用
- php面试专题---6、正则表达式考点
- PHP通过传递对象参数调用asp.net Webservice 服务
- Hadoop1.2.0开发笔记(九)
- Debian for ARM install python 3.5.x
- linux异步io底层原理,异步IO简析
- java文本文档统计字数,行走目录时字数统计PDF文件
- 冲刺倒计时,复习核心是什么?
- DAZ STUDIO 快速渲染技巧
- 我眼中的微软Azure:Microsoft Azure试用 注意
- 如何比较两个文本的相似度
- linux中的fs文件夹,linux上使用eCryptFS加密文件夹的方法
- Android中清除应用数据的方法
- 仓储绩效评价指标的原则
- 帝国cms tag生成html,帝国CMS tags标签多种调用方法
热门文章
- 华为云上可订阅F5_F5亮相华为云计算大会 解读云应用交付
- .net千万级数据导出_记一次解决docker下oracle数据库故障事例
- c#日期转换周几_Java时间与日期
- python转换为c代码_bash 转换为C代码
- 用了十年的昵称badboy_怎样用5秒钟看清一对夫妻的真实感情状况?
- vaps 程序直接通信
- VC嵌入python时debug版lib下载
- 基于半同步/半反应堆线程池实现的HTTP解析服务端程序
- arm B和BL指令浅析
- perl 远程 mysql_写的一个perl脚本,用于发送远程MySQL命令 -电脑资料