PaddlePaddle深度学习实战之新手入门

本次课程,由PaddlePaddle开源社区成员、百度资深研发工程师乔龙飞主讲。主要介绍机器学习/深度学习的一些基本概念和原理,结合线性回归预测房价的示例,介绍了如何用PaddlePaddle完成一个模型的训练和预测过程。

    目录    

    

这些词是什么意思? 

深度学习:深度学习是机器学习的一个分支,想要理解深度学习,必须对机器学习的基本原理有深刻的理解。那么机器学习、人工智能、监督学习、无监督学习……这些又是什么意思呢?请看下图:

 

 论模型是什么  

以下内容可能会让你后悔当年没学好数学。不过没关系,因为学得再好,你也忘了。

很深奥的问题镇守:

模型是什么?

大道至简般的答案:

模型就是“y=2x”!

  “数学课”  

讲到机器学习,大家都觉得很深奥。但其实它最基础的部分,我们高中、甚至初中就已经有所接触了,想想是不是很神奇?下面就几个基础概念进行一下解释说明。

假设函数:就是列方程嘛;

损失函数:就是求方差啦;

优化算法:就是求导呀,只是计算机并不会求导,它只能不断的试,近似穷举的方法找到使损失函数最小的那个值。在这里,我们称这个方法为梯度下降法。

如图所知,唯一不确定的地方在于α,这个值是啥意思呢?嗯,在我们机器学习界(偷混进来的,别揭穿我),这个值叫做学习率,是人为赋值的,但如果赋值太大,则可能无法收敛(这是个知识点),如果太小,则迭代太慢(等找到最优模型的时候,已经下个世纪了,你说坑不坑)。所以,α很重要哒。

关于梯度下降的优化算法,由于它存在一定的缺点,所以变式出两个另外的梯度下降框架算法。

 

 小结  

所以,前边针对机器学习的基本名词和基本构建模型的基础算法进行了展示,大家还记得这些术语的含义吗?

监督学习(supervised learning)

非监督学习(unsupervised learning)

假设函数(hypothesis function)

均方差MSE(mean square error)

损失函数(cost function)

梯度下降(gradient descent)

最后一个问题,对问题建模的算法,你记住多少?

接下来,还有一堂实战课程,就是结合线性回归模型进行房价的预测。这里边关键的几步都已经在第一部分目录中有所展示。有兴趣的同学,不要遗憾。因为:

观看完整课程视频:http://bit.baidu.com/course/detail/id/137/column/117.html


百度AI
百度AI

工程入门机器学习PaddlePaddle百度线性回归
1
暂无评论
暂无评论~