李宏毅機器學習知識索引

本文為【李宏毅機器學習】知識索引

李宏毅機器學習知識索引
- 1.【李宏毅機器學習】01：機器學習介紹 Introduction
- 2.【李宏毅機器學習】02：回歸Regression
- 3.【李宏毅機器學習】03：誤差Error
- 4.【李宏毅機器學習】04：梯度下降Gradient Descent
- 5.【李宏毅機器學習】05：概率生成模型Probabilistic Generative Model

1.【李宏毅機器學習】01：機器學習介紹 Introduction

【李宏毅機器學習】01：機器學習介紹 Introduction：https://bokai.blog.csdn.net/article/details/113172869

在這里插入圖片描述

【李宏毅機器學習】02：回歸Regression：https://bokai.blog.csdn.net/article/details/113266729

一、回歸(Regression)的定義
- 1.Regression: Output a scalar
- 2.Example of Regression
二、回歸的實作(機器學習的步驟)
- Step 1: define a set of function - Linear Model
- Step 2: goodness of function - Loss Function
- Step 3: pick the best function - Gradient Descent
三、回歸的優化
- 1.Select another model 選擇另一個模型
- 2.Consider the hidden factors 考慮其他隱藏因素
- 3.Regularization 正則化

在這里插入圖片描述

【李宏毅機器學習】03：誤差Error：https://bokai.blog.csdn.net/article/details/113360317

一、Bias & Variance 偏差和方差
- 1.誤差的來源
- 2.偏差和方差的理解
- 3.偏差和方差出現的原因
- 4.模型的偏差和方差
二、What to do with error 誤差的處理
- Bias v.s. Variance 偏差和方差對比
- 1.Large bias - underfitting偏差大 - 欠擬合
- 2.Large variance - Overfitting 方差大 - 過擬合
三、Model Selection模型的選擇
- 1.Cross Validation 交叉驗證
- 2.K-fold Cross Validation k折交叉驗證

在這里插入圖片描述

李宏毅機器學習04：梯度下降Gradient Descent：https://bokai.blog.csdn.net/article/details/113407285

一、梯度下降方法
二、梯度下降的改進方法
- Tip 1: Tuning your learning rates 調整學習率
- Tip 2: Stochastic Gradient Descent 隨機梯度下降
- Tip 3: Feature Scaling 特征縮放
三、Gradient Descent Theory梯度下降的數學理論
四、梯度下降的限制

在這里插入圖片描述

【李宏毅機器學習】05：概率生成模型Probabilistic Generative Model：https://bokai.blog.csdn.net/article/details/113526076

在這里插入圖片描述

（未完待續…）

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/259409.html

標籤：AI