Python深度学习神经网络基本原理
神经网络
梯度下降法
在详细了解梯度下降的算法之前，我们先看看相关的一些概念。
1. 步长（Learning rate）：步长决定了在梯度下降迭代的过程中，每一步沿梯度负方向前进的长度。用上面下山的例子，步长就是在当前这一步所在位置沿着最陡峭最易下山的位置走的那一步的长度。
2.特征（feature）：指的是样本中输入部分，比如2个单特征的样本（x(0),y(0)）,（x(1),y(1)）（x(0),y(0)）,（x(1),y(1)）,则第一个样本特征为x(0)x(0)，第一个样本输出为y(0)y(0)。
3. 假设函数（hypothesis function）：在监督学习中，为了拟合输入样本，而使用的假设函数，记为hθ(x)hθ(x)。比如对于单个特征的m个样本（x(i),y(i)）(i=1,2,...m)（x(i),y(i)）(i=1,2,...m),可以采用拟合函数如下： hθ(x)=θ0+θ1xhθ(x)=θ0+θ1x。
4. 损失函数（loss function）：为了评估模型拟合的好坏，通常用损失函数来度量拟合的程度。损失函数极小化，意味着拟合程度最好，对应的模型参数即为最优参数。在线性回归中，损失函数通常为样本输出和假设函数的差取平方。比如对于m个样本（xi,yi）(i=1,2,...m)（xi,yi）(i=1,2,...m),采用线性回归，损失函数为：
J(θ0,θ1)=∑i=1m(hθ(xi)−yi)2J(θ0,θ1)=∑i=1m(hθ(xi)−yi)2
其中xixi表示第i个样本特征，yiyi表示第i个样本对应的输出，hθ(xi)hθ(xi)为假设函数。
分享人：张娇娟
到此这篇关于Python深度学习神经网络基本原理的文章就介绍到这了,更多相关Python 神经网络内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
argparse是一个强大而灵活的模块,它可以帮助你轻松地处理命令行参数,本文主要介绍了Python中argparse基本用法小结,具有一定的参考价值,感兴趣的可以了解一下2024-02-02
这篇文章主要为大家详细介绍了python实现简单http服务器功能，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-09-09
今天小编就为大家分享一篇Tensorflow 合并通道及加载子模型的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-07-07
这篇文章主要介绍了python 下载m3u8视频的示例代码，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下2020-11-11
今天小编就为大家分享一篇将pytorch转成longtensor的简单方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-02-02
使用python搭建Django应用程序步骤及版本冲突问题解决
这篇文章主要介绍了使用python搭建Django应用程序的步骤，最近还解决了因版本冲突出现的错误2013-11-11
这篇文章主要介绍了Python参数传递及收集机制原理解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
Jupyter Notebook/VSCode导出PDF中文不显示的解决
这篇文章主要介绍了Jupyter Notebook/VSCode导出PDF中文不显示的解决方案，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-06-06
这篇文章主要介绍了python使用pandas读xlsx文件的实现方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-05-05
Selenium 是一个强大的用于自动化测试的工具,但你知道它也可以用来录制浏览器操作的视频吗？本文将介绍如何使用 Selenium 在 Python 中实现录屏功能,以便记录和分享你的网页操作过程,需要的朋友可以参考下2023-11-11
最新评论