没有合适的资源?快使用搜索试试~ 我知道了~
实践课21
需积分: 0 0 下载量 158 浏览量
2022-08-03
16:25:08
上传
评论
收藏 74KB PDF 举报
温馨提示
试读
1页
实验背景课程内容回顾在理论课程中,我们回顾了机器学习的基本概念,模型的评估和选择,线性模型和广义线性模型的概念和相关的梯度下降的优化方法。要求不使用 Tenso
资源详情
资源评论
资源推荐
‘‘深度学习和计算机视觉(实践)’’ 课程实验一:
使用梯度下降训练线性模型
廖振宇
日期:2021 年 9 月 22 日
1 实验背景
课程内容回顾 在理论课程中,我们回顾了机器学习的基本概念,模型的评估和选择,线性模
型和广义线性模型的概念和相关的梯度下降的优化方法。
要求 不使用 Tensorfolow、Pytorch 或者 scikit-learn 等机器学习框架,仅使用 Numpy,Scipy 和
Matplotlib 等 Python 常用科学计算和可视化库,使用梯度下降训练线性模型,实现(两类)正态
分布数据的分类。
2 实验要求
• 人工生成数据,分类问题:两类正态分布 N (±µ, I
d
),d = 2,µ = [1; − 1],数据总数目
m = 500
• 选取训练和测试集
• 构建线性分类模型,推导梯度公式,手写代码更新梯度
• 使用梯度下降的方法训练模型,针对得到的不同模型(不同初始化方法、不同梯度下降步
长、不同训练步数)进行模型评估和选择;尤其的,将线性回归的解析解同梯度下降得到
的解比较,有什么结论?
•(选做)保持其余条件不变,更改 d = 500,选取 µ = [1; 0
d−1
],完成同样的实验,画出测
试误差随训练步数的变化情况,和之前 d = 2 的情形进行比较,是否观察到了更加严重的
过拟合现象?类似的,选取 d > 500,比如 d = 1 000,可以观察到什么现象?
• PPT 汇报(每组 3min),提交 2-4 页实验报告,需简要叙述方法原理、实验步骤、方法参
数讨论、实验结果;需明确说明组员分工、给出组内排名(可标注同等贡献 #)。
1
lowsapkj
- 粉丝: 50
- 资源: 312
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0