FPGA机器学习之龙星计划机器学习第十一堂
来源:互联网 发布:网络高清监控摄像机 编辑:程序博客网 时间:2024/04/28 09:46
这一堂这样讲的是online learning
就是边学,边预测,预测完后,在学的过程。
其实这里的totalerror更想test error。因为在线的推进变化,而且一直在预测,所以就没有学习错误和预测错误的区别。
第一个式子,我们希望的是所有的情况下,这个值是最小的。但是通常做不到。
我们就求一个regret就是我们预测的和实际最小的之间的误差。最小化。
这个是我们的预测算法。目的就是找到线性来分类,使他错误最小化。
感知器错误边界。为什么最大是r的负二次方。
时效性比较强。可以快速升级模型。优化是随机梯度下降法。
其实和上面是一样的。还是来一个,然后预测一个,然后在比对,学习,然后在预测下一个的过程。
最后求的一个我们预测的和实际最小情况的误差。
这里是一个线性回归的例子。l(w)是损耗函数。 然后t在增加,这么迭代下去。
w是它的权重向量,当有新的数据到来后,我们更新权重,就是下面的公式。梯度下降法。
和上面很像,但是这里的区别是每次只计算一个t。
这两个应用上的差别,不是很清楚。
这里的学习率,一般都是靠经验。没有算术方法。
l是线性回归,也是一直加起来。
从这几个公式来看,形式上还是比较相似的。只是用了双平均法求参数w。
这个很多人感兴趣。当然有利也有弊。
这个是2010年google的工作。这个多了一个H。H的意义不好解释。大概就是变化一会稀疏一会紧密。
怎么说呢?学习率会随着情况变化,这样学习的速度就更快些。
不稳定就是时上时下。如果大点还是会比较快的。
就是比较一下。其实都是比较相似的了。翻译一下就可以了。
这个比较新,到现在还在研究中的。
我能力有限,但是我努力学习,最快速度成就自己的奇迹。
- FPGA机器学习之龙星计划机器学习第十一堂
- FPGA机器学习之stanford机器学习第十一堂
- FPGA机器学习之龙星计划机器学习第一堂
- FPGA机器学习之龙星计划机器学习第二堂
- FPGA机器学习之龙星计划机器学习第三堂
- FPGA机器学习之龙星计划机器学习第四堂
- FPGA机器学习之龙星计划机器学习第五堂
- FPGA机器学习之龙星计划机器学习第六堂
- FPGA机器学习之龙星计划机器学习第七堂
- FPGA机器学习之龙星计划机器学习第八堂
- FPGA机器学习之龙星计划机器学习第九堂
- FPGA机器学习之龙星计划机器学习第十堂
- FPGA机器学习之龙星计划机器学习第十二堂
- FPGA机器学习之龙星计划机器学习第十三堂
- FPGA机器学习之龙星计划机器学习第十四堂
- FPGA机器学习之龙星计划机器学习第十五堂
- FPGA机器学习之龙星计划机器学习第十六堂
- FPGA机器学习之龙星计划机器学习第十七堂
- 查询Oracle数据库中各个表的实际记录数
- 浅析:网站优化之负面排名的因素有哪些
- Oracle之游标加异常
- CodeForces The Child and Set
- Android:常用URI
- FPGA机器学习之龙星计划机器学习第十一堂
- oracle查询所有表的记录数SQL
- 学习日记之单例模式和Effective C++
- 条件编译 ifndef/define/endif作用和用法
- chgrp
- Oracle之匿名块
- hdu3874(线段树点更新)
- 百度:度娘换上时尚的比基尼亮瞎你的眼睛
- 2B4G可以将两个或多个非委托实例组合到一起