文章
7
标签
17
分类
1
首页
归档
标签
分类
友链
关于
ch3nqu's Blog | 朝望
第一篇文章
返回首页
首页
归档
标签
分类
友链
关于
第一篇文章
发表于
2023-07-21
|
更新于
2023-07-21
|
总字数:
11
|
阅读时长:
1分钟
|
浏览量:
这是我博客的第一篇文章
文章作者:
ch3nqu
文章链接:
https://www.ch3nqu.top/2023/07/21/%E6%B5%8B%E8%AF%95/
版权声明:
本博客所有文章除特别声明外,均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
ch3nqu's Blog | 朝望
!
上一篇
机器学习(一)
最近本来想继续往CNN学,但回头看了一下,发现自己虽然已经用MNIST跑过MLP,也能看懂训练准确率在变化,可是对“模型到底怎么学会的”还没有那么稳。 所以这篇先不急着写神经网络,而是把吴恩达机器学习课程里最前面的概念整理一遍。我的目标不是把机器学习讲成教材,而是把自己现在能理解到的链条写清楚: 数据给进去,模型先做预测;预测和真实答案之间有差距;代价函数把这个差距算出来;梯度下降再一点点调整参数,让差距变小。 为什么先学机器学习我现在的理解是,深度学习和联邦学习并不是凭空冒出来的。 深度学习里也有模型、参数、损失函数、梯度下降和优化器;联邦学习只是把训练过程放到多个客户端上,还要考虑数据不能直接集中起来的问题。如果这些基础概念不稳,后面看到FedAvg、客户端更新、服务器聚合时,很容易只记住流程,但不知道每一步为什么存在。 所以我先回到机器学习的起点,把几个最基本的问题弄明白: 模型到底在学什么? 特征和标签分别是什么? 训练为什么能让参数变好? 为什么从一个特征预测,可以扩展到多个特征一起预测? 监督学习和无监督学习机器学习(Machine Learning,机器学习)可...
ch3nqu
悟已往之不谏,知来者之可追
文章
7
标签
17
分类
1
GitHub
公告
欢迎来到 CH3NQU 的个人博客。
目录
1.
这是我博客的第一篇文章
最新文章
MNIST实验(二):CNN
2026-07-10
机器学习(三)
2026-07-08
机器学习(二)
2026-07-04
隐私保护(一):MPC、SMPC、HE、DP
2026-06-29
MNIST 实验(一):MLP
2026-06-29