Публикации по теме 'gradient-descent'
Интегрированные градиенты для глубоких нейронных сетей
Проблема черного ящика
Интерпретируемость в глубоком обучении - большая проблема, над которой исследователи борются с самого начала. Сегодня задается вопрос : «Почему CNN сделал это предсказание?» , а не «Как CNN сделал это предсказание?»
Учитывая тот факт, что использование глубоких нейронных сетей распространено в таких чувствительных областях, как здравоохранение (например, для обнаружения заболеваний грудной клетки), «интерпретируемость» таких сетей имеет большое значение...
Реализация линейной регрессии в python за 5 минут с нуля (часть 2)
Пример реализации машинного обучения за 5 минут. Реализуйте модель множественной линейной регрессии на Python (часть 3).
Предварительное условие: Линейная регрессия (часть 1)
Поскольку теория обсуждалась ранее, давайте теперь начнем с фактической реализации. Доступны разные наборы данных, но давайте реализуем их с нашими собственными наборами данных. Простая линейная регрессия имеет зависимые переменные (Y) и независимые переменные (X).
Шаг 1. Подготовьте наборы данных..
Подготовка к алгоритмам оптимизации для интервью по науке о данных
Один из самых основных вопросов на собеседовании по науке о данных, который нам задают, касается различных алгоритмов оптимизации в глубоком обучении. Эта статья будет универсальным черновиком всей информации об алгоритмах оптимизации.
Что мы рассмотрим?
Мы рассмотрим следующие алгоритмы оптимизации с их плюсами и минусами:
Алгоритмы, основанные на правиле обновления веса.
Градиентный спуск Градиентный спуск на основе импульса Нестеров Ускоренный градиентный спуск
2...
Линейная регрессия: функция гипотезы, функция стоимости и градиентный спуск.
ВНУТРИ ИИ
Линейная регрессия: функция гипотезы, функция стоимости и градиентный спуск. (Часть 2)
Математика и теория, лежащие в основе самой известной техники контролируемого обучения
[Примечание. Прежде чем читать эту статью, я рекомендую вам прочитать первую часть этой статьи ( Ссылка ), чтобы лучше понять функцию гипотезы и функцию стоимости. ]
Линейная регрессия: функция гипотезы, функция стоимости и градиентный спуск. Все В этой статье вы..
Fast.ai Примечания к Уроку 3 - Часть 1, версия 3
Https://course.fast.ai/
Набор данных Planet Amazon
Этот набор данных состоит из спутниковых изображений. На изображение может быть больше одной метки.
В соревнованиях Kaggle, если вы попадаете в топ-10%, вы знаете, что делаете что-то правильно.
ctrl + / = раскомментируйте / прокомментируйте что-нибудь в блокноте Jupyter. Вы можете сделать то же самое для нескольких строк.
Нам нужно создать группу данных из наших данных, чтобы упростить обработку. Часто ввод данных в..
Что такое линейная регрессия?
Линейная регрессия
Линейная регрессия – это статистический метод, который используется для поиска линейной зависимости между целевой/зависимой переменной (Y) и одним или несколькими предикторами/независимыми переменными (X). Линейную регрессию можно разделить на два типа. Простая линейная регрессия и Множественная линейная регрессия .
Простая линейная регрессия полезна при поиске взаимосвязи между двумя непрерывными переменными, где одна переменная является независимой переменной..
Обучение персептрона, от дискретного к непрерывному — 02
Резюме
В последнем посте мы представили понятие персептрона и то, как его можно использовать для моделирования линейного классификатора.
Персептрон принимает n входных признаков, x, и умножает каждый на соответствующий вес, w, добавляет член смещения и, наконец, применяет функция активации к результату и выплевывает число. Ранее мы использовали ступенчатую функцию в качестве активации в нашем примере, пытаясь найти модель, которая классифицировала бы, будет ли расти растение,..
