机器学习入门笔记(六)----神经网络
来源:互联网 发布:大数据的作用与意义 编辑:程序博客网 时间:2024/06/05 02:40
1.模型表示:
- 模型分层:输入层、输出层、隐藏层。a(i) i表示第几层。
- thera(i) : 为第i层到第i+1层间的权重参数。
2. 向前传播:g(theta(i) * a(i))得到a(i+1)。最后一层即是h(x)
3. 解决分类问题:
- 类别 c = 2时,输出层仅一个节点,与逻辑回归相同,表示某一个分类的概率。
- 类别 c > 2时,输出层c个节点,每个节点的输出值为属于该类的概率。结果去其中最大值。
4. 代价函数:
与逻辑回归类似,只不过输出层包含多个逻辑回归的h(x)。
前半部分为k的h(x)与y的误差,在m个样本上的表现。
后半部分为正则项,包含所有theta。
5. 反向传播:
最小化代价函数的方法,利用集成的方法,之前提过,需要计算出:J值,以及对每个theta的偏导项。
注意:这里j != 0时, D = 1/m * (delta + lamda * theta) 这个括号上图中没有标出。第一次实现算法时,花费了我差不多5小时一遍一遍的检查代码哪里有问题。最终询问了一个教授才知道这个问题。
计算方法:
6. 神经网络训练步骤:
阅读全文
1 0
- 机器学习入门笔记(六)----神经网络
- 斯坦福机器学习公开课笔记(六)--神经网络的学习
- 机器学习之六:神经网络
- 机器学习笔记:神经网络
- 机器学习-学习笔记 神经网络
- 机器学习笔记六
- 机器学习笔记六
- 神经网络学习笔记(六)
- 机器学习之六-神经网络算法
- 神经网络与机器学习笔记
- 机器学习笔记(五)神经网络
- 机器学习笔记--神经网络--Rosenblatt
- [机器学习入门] 李宏毅机器学习笔记-11(Convolutional Neural Network;卷积神经网络)
- 神经网络和机器学习基础入门分享
- 机器学习入门——神经网络深入
- 机器学习_神经网络算法入门
- Python机器学习Sklearn入门之神经网络
- 神经网络和机器学习基础入门分享
- QGC第三个页面
- C语言头文件组织与包含原则(函数指针和结构体的前项声明)
- Linux查看进程和终止进程的技巧
- eclipse无法热加载项目
- 网络部署与发布
- 机器学习入门笔记(六)----神经网络
- 数组、函数练习
- ubuntu16.04安装mxnet
- 大数据学习12:Hive的整体框架和DDL整理
- Windows程序设计-剪贴板
- 深入理解javascript原型和闭包(11)——执行上下文栈
- java8_02_stream
- Android Volley完全解析(三),定制自己的Request
- Python3 pingIP地址,Windows和Linux