吴恩达机器学习学习笔记第九章:神经网络学习
课时①非线性假设
通过说Linear Regression和logistic Regression的不足来引入神经网络:
安卓告诉我们神经网络并不是什么新玩意儿,老早就有了,但是他经过了一段低迷期直到了、最近才又火了起来 后面一集视频又补充神经网络低迷期的原因是之前计算机硬件水平不够 而神经网络的计算量很大 并介绍了一些生物上关于图像识别的例子去类介绍神经网络实际受启发于人类神经系统。
假如有一个这样的监督问题 你如果采用逻辑回归去做分类 那你得构造一个非常多的项
才可能把圈和叉分开(g仍然是sigmoid函数)
上述问题只有x1 x2两个特征,但如果这个问题变成卖掉我想根据房屋的特征去卖掉这个房屋概率问题 一个房屋的特征有很多
即使假设函数的多项式只包含二次项 那你都会在n=100情况下排列组合出超级多的项
所以这不是一个好方法
有人说:如果我们不看交叉项 只看平方项就减少到了100项 运算效率大大提高了 但是他忽略了一个问题 就是这如此多个交叉项中肯定有很多都是对分类结果起决定因素的关键项 所以忽视这些交叉项会导致处理数据时不可能得到理想结果 ,没有交叉项你最多拟合一个椭圆这种规则的曲线 而无法拟合出下图例子中的那条弯来弯去的线
一般来说x1x2的交叉项的复杂度是O(n^2) x1x2x3的交叉项是O(n^3) 而我们要想得到一个好的分类至少要让复杂度在O(n^2)级别
当到了计算机图形学中,普通的线性回归和逻辑回归就GG了
为什么这么说呢?
识别一个汽车 在下图的红框的中 对计算机而言就是一个关于像素点亮度的大矩阵
对于这样一张的50*50大小的图片 加上RGB三种颜色 那他就有7500个特征
根据上文提到的至少是O(n^2)那7500的平方=56250000……如果还是用逻辑回归 就算你的计算机硬件特别NB 你训练用的时间也会特别长
如图所示为根据这个矩阵,计算机可以推测这个红框里的内容对应一个车门把手
课时② 神经元与大脑:
他举了一个生物学的例子:把耳朵到听觉皮层的神经连接切断后,把听觉感受器链接到视觉皮层,使得眼睛经由视觉神经传递的信号最终传到听觉皮层,那么这个皮层区域将学会感知新的东西,这样耳朵就能学会看。
还举了一个帮助盲人的应用:头上是一个色相头一样的东西,舌头上是一个电极,用了这套装置是就能重见光明了
课时③模式展示Ⅰ:
首先模拟神经元的最简单的一个模型
把来的xi乘一个参数 θ进行Linear Regression的结果给神经元(橙色圈圈)对这些结果做Logistic Regression(如sigmoid处理)得到最后的输出值,我们把整个过程称为Logistic unit
上图中的bias是指的θ0 乘以x0 (x0默认所以有的时候图中隐藏了且x0=1) 所以相当于是4个元素相乘再相加
神经网络(Neural NetWork)就是把多个神经元进行交织
网络第一层叫输入层(Input layer) 最后一层称为输出层(Output layer) 中间那层/那几层(普遍情况下有多层 本例只有一层)被称为隐藏层(Hidden layer)
下面是流程图对应在公式上的样子举例:
首先解释一下 代表第一个Neural的第二层
右上角的1代表第一层(即第一列输入层)的,针对第二层第一个神经元的x2元素的参数θ12
首先做一个linear regression :x1乘以 θ1加x2乘以 θ2加x3乘以 θ3 别忘了还要加一个bias 所以再加x0乘以 θ0 在对上式的结果做一个logistic regression即给他套一个g(f(x))函数的复合
每一层的θ他实际是一个矩阵 对应红色的圈对应的矩阵是3行4列的 行数是下一层的Neural个数 列数是上一层的Neural个数加1 而黄色的圈对应是1行4列的
神经网络强大之处:
其实就是在他提炼特征,因为我的hypothesis想越复杂越精准,那我多项式的次数就要求越高 比如我上图x1 x2 x3我想要搞3次方 那就有3^3=27个参数需要训练,但是经过神经网络处理后,我把x1 x2 x3经过linear regression变成了新的3个a1 a2 a3 加上原来的3个特征也只有6个特征远小于27(当特征更多时效果更明显)
课时④:模型展示II:
向量化计算:前向传播(forward propagation)
课时⑤:例子与直觉理解I:
先举了一个逻辑与(AND)的例子:
以及对应真值表:
课时⑥:例子与直觉理解II:
把三块内容组合到网络中:
本节视频最后,安卓放了一个手写数字识别的小视频
课时⑦:多元分类:
上个课时的数字识别其实就是10种数字0~9的多元分类。
然后又举了个识别的例子:
之前逻辑回归也学过一对多分类:当时类别是这样的
神经网络不这么做了,而是用向量表示。
此时我们的训练集长这样:
吴恩达机器学习学习笔记第九章:神经网络学习相关推荐
- 吴恩达机器学习课程笔记一
吴恩达机器学习课程笔记 前言 监督学习---`Supervised learning` 无监督学习---`Unsupervised learning` 聚类 异常检测 降维 增强学习---`Reinf ...
- 4. 吴恩达机器学习课程-作业4-神经网络学习
fork了别人的项目,自己重新填写,我的代码如下 https://gitee.com/fakerlove/machine-learning/tree/master/code 代码原链接 文章目录 4. ...
- 【CV】吴恩达机器学习课程笔记第18章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 18 应用案例:照片OCR 18-1 问题描述与流程(pi ...
- 【CV】吴恩达机器学习课程笔记第17章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 17 大规模机器学习 17-1 学习大数据集 17-2 随 ...
- 【CV】吴恩达机器学习课程笔记第16章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 16 推荐系统 16-1 问题规划 16-2 基于内容的推 ...
- 【CV】吴恩达机器学习课程笔记 | 第1-2章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 1 介绍 1-3 监督学习 1-4 无监督学习 2 单变量 ...
- 【CV】吴恩达机器学习课程笔记第10章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 10 应用机器学习的建议 10-1 决定下一步做什么 10 ...
- 【CV】吴恩达机器学习课程笔记第11章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 11 机器学习系统设计 11-1 确定执行的优先级:以垃圾 ...
- Github标星24300!吴恩达机器学习课程笔记.pdf
个人认为:吴恩达老师的机器学习课程,是初学者入门机器学习的最好的课程!我们整理了笔记(336页),复现的Python代码等资源,文末提供下载. 课程简介 课程地址:https://www.course ...
- 吴恩达机器学习课程笔记(英文授课) Lv.1 新手村(回归)
目录 1-1机器学习的相关名词 1-2 什么是机器学习? 1.definition 定义 2.主要的机器学习算法的分类 1-3有监督学习及常用算法 1.定义 2.两种数据类型补充:categorica ...
最新文章
- JS关于时间的一些计算与获取
- 容器源码解析之容器全貌(一)
- 二叉树的前序遍历Python解法
- [Leetcode][第337题][JAVA][打家劫舍3][递归][动态规划]
- Python 第三方模块之 psutil - 获取系统运行的进程和系统利用率信息
- linux ubuntu安装 mono,在 Ubuntu Server 上安装配置 Mono 生产环境
- 正式开始liunx学习之旅
- root用户连接mysql数据库出错 1045 access denied for user 'root'@'localhost' using password yes
- 程序人生 | 35岁以上的 iOS 程序员都到哪里去了?
- mac下hive-1.2.2-src版本的编译
- 利用veiw建立Centos5.5 双机智能DNS手册
- 電郵泛濫成災 電話再成新寵
- linux安装 web2py,TurnkeyLinux上用于Web2Py到MySQL的DAL连接字符串
- php读取excel文件_在PHP中读取Excel文件
- 用Java实现修改头像
- 做网站如何选阿里云服务器呢?
- 143个相见恨晚的排行榜网站,总有一个用得着!
- 地理信息三维可视化技术在城市规划中的应用
- vue不同页面切换,背景音乐连续播放不间断
- else用法的一个小细节
热门文章
- 接口和抽象类的区别。
- 【OGG】 RAC环境下管理OGG的高可用 (五)
- 访问母版页控件、属性、方法及母版页中调用内容页的方法
- Java实现蛇形矩阵
- JAXB实现java对象与xml之间转换
- org.springframework.mail.MailAuthenticationException: Authentication failed 解决方案
- 从service启动activity startActivity慢 的解决方案
- sql 2000 无法连接远程数据库 sqlserver不存在或访问被拒绝、不能打开到主机的连接,在端口1433:连接失败等 解决方案
- directx11编程中遇到的错误及解决方法
- 更换mysql-connector-java-6.0.5jar包后程序出现的两个异常及解决方法