Day11 machine learning -Optimization - iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

第 11 屆 iThome 鐵人賽

DAY 11

0

Google Developers Machine Learning

非本科生的機器學習之旅系列第 11 篇

Day11 machine learning -Optimization

11th鐵人賽

踏上一去不復返的本科生

2019-09-12 23:24:12

1010 瀏覽

分享至

11天了，快要一半了，加油!!

接下來講講最適化~

這邊會講到損失函數

機器學習通常用損失函數表示好壞

損失函數的定義就是樣本跑出來與真正值之間的差別，平方是為了去負號(跟標準差一樣)

若是損失函數越小，那當然越好囉，代表與真實質之間差別越少，所做出的機器學習越好，反之亦然

公式如下:

再來是最重要的Gradient Descent

用來評估損失函數

若是降到底部，以這個函數為例，代表差距越小

但還是有可能下錯車

所以做的結果也不一定對。

今天先這樣掰掰

Day10 machine learning

Day12 machine learning

系列文

非本科生的機器學習之旅共 25 篇

目錄

RSS系列文訂閱系列文

5 人訂閱

完整目錄

直播研討會

{{ item.subject }}

{{ item.channelVendor }} {{ item.webinarstarted }} |

{{ formatDate(item.duration) }}

直播中

尚未有邦友留言

立即登入留言

參賽組數

1064 組

團體組數

40 組

累計文章數

22202 篇

完賽人數

602 人

15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# windows server linux css react vue.js

IT邦幫忙