机器学习简介
自动找函数
回归问题,分类问题
有监督学习,无监督学习
meta learning = learn to learn
股票预测系统
自动驾驶
推荐系统
随机选取初始W0
计算损失函数对w的微分
过拟合 模型太过复杂
训练时效果好 测试的时候效果不好
bias大: fit不够好 欠拟合
重新设计模型,考虑更多特征
variance大: 扩展性差 过拟合
增加数据 regularization正则化
在两者之间trade-off取得最佳

机器学习简介
自动找函数
回归问题,分类问题
有监督学习,无监督学习
meta learning = learn to learn
股票预测系统
自动驾驶
推荐系统
随机选取初始W0
计算损失函数对w的微分
过拟合 模型太过复杂
训练时效果好 测试的时候效果不好
bias大: fit不够好 欠拟合
重新设计模型,考虑更多特征
variance大: 扩展性差 过拟合
增加数据 regularization正则化
在两者之间trade-off取得最佳