taks1_5.12
2019-05-13 本文已影响0人
小熊猫_cb74
任务一：什么是Machine Learning？
答：通过编程使机器具有类似人学习的能力，从已有的数据中训练出一定的函数，进行之后的预测
任务二：1⃣️、推导Loss function
2⃣️、损失函数和凸函数之间的关系
目前学的多元线性回归的Loss function全部是凸函数
3⃣️、全局最优和局部最优的关系
全局最优一定是局部最优，反之不成立
任务三：1⃣️、推导梯度下降公式
2⃣️、写出梯度下降公式的代码
任务四：1⃣️、推导正则化公式
2⃣️、为什么用L1-Norm代替L0-Norm
L0范数:指向量中非0的元素的个数
L1范数:指向量中各个元素绝对值之和，又称曼哈顿距离
L2范数: ||W||2。即欧几里德距离
3⃣️、为什么只对w/Θ做限制，不对b做限制
因为b改变函数只进行平移，形状不变
