1、训练的具体过程：
1）使用自下上升非监督学习（就是从底层开始，一层一层的往顶层训练）：给算法
大量的数据，要求他找出数据的类型结构。
2）自顶向下的监督学习（就是通过带标签的数据去训练，误差自顶向下传输，对网
络进行微调）：给算法一个数据集，其中包含多个正确答案，算法的目的是给出更
多的正确答案。回归问题，和分类问题。
2、监督学习
（1）监督学习算法：给定一个训练集，学习算法的任务是输出一个假设函
数 h，对输入的 x 输出 y。
特殊符号，使用 m 代表训练样本的数量，x 代表输入特征的变量，或者说特
征。Y 代表输出变量，也就是要预测的目标变量。使用（x，y）来代表一个
训练样本
（2）如何选择假设函数上的不同参数 a，b。假设函数 h（x）=a+bx，使之
能 够 得 出 线 性 回 归 中 代 价 函 数 的 最 小 化 。 代 价 函 数 ： j （ a ， b ） =
minimize=
∑
k=0
n
❑
（h（x）-y） ^2/2n
（3）j（a，b）函数，当 a，b 的值都需要变化时，可以做等高线图，横坐
标是 a，纵坐标是 b。
（4）梯度下降法：将代价函数最小化。先初始化 a，b 的值（一般都设置为
0），再不断改变 a，b 的值，直到找到 j（a，b）的最小值。
剩余11页未读，继续阅读
资源评论
qq_42578705
- 粉丝: 0
- 资源: 1
