博士讲授人工智能之机器学习-线性回归-梯度下降算法教程

5人 购买 好评度 -
用手机看

扫一扫继续用手机看

  • 微信扫码

  • QQ扫码

下载手机APP
收藏
  • 第一期
更多班级

第一期

支持随到随学,25年10月过期

¥76.22

本班因教学质量问题暂时不能报名。 查看详情

课程因违反平台规定暂时不能报名。

立即购买

课程概述

目录

往期学员作业()

评论

老师介绍

  • Hocking

    Hocking

    博士,人工智能方向,曾在国内知名IT企业任职软件开发工程师,参加多项大型“云App”软件的研发工作,有五年项目开发工作经历,具备丰富的软件架构、软件设计等经验,获得多项国家工信部软件著作权,现致力于H5移动跨平台App开发和大数据技术,喜欢与人分享自己的开发经验,追求共同发展共同进步。
简  介 机器学习中回归是同学们在学习过程中重要的一环。无论是面试还是实际应用都会经常用到。很多人都会使用线性回归,但理解原理的很少,如果想让自己在机器学习的方向上更有价值,数学方面的推导必不可少。
学习资料和技术交流请与老师QQ沟通 1586281525

机器学习中回归是同学们在学习过程中重要的一环。无论是面试还是实际应用都会经常用到。很多人都会使用线性回归,但理解原理的很少,如果想让自己在机器学习的方向上更有价值,数学方面的推导必不可少。

梯度下降(gradient descent)在机器学习中应用十分的广泛,不论是在线性回归还是Logistic回归中,它的主要目的是通过迭代找到目标函数的最小值,或者收敛到最小值。

通过本教程的学习,让博士带着大家知其然知其所以然,掌握和理解机器学习-线性回归-梯度下降算法。

课程目录
一机器学习基础
1 绪论
2 数学基础
3 机器学习基础
二线性回归模型
1 科学计算库Numpy
2 线性回归之一元线性回归
3 多元线性回归模型详细推导
4 代码实战:用解析解实现多元线性回归模型
5 代码实战:用Sklearn实现多元线性回归模型及模型的保存与使用
6 梯度下降算法
7 代码实战:批量梯度下降算法
8 模型的评价
9 代码实战:随机梯度下降算法
10 代码实战:小批量梯度下降算法
11 多项式回归及代码实战
12 过拟合与欠拟合、正则化、岭回归、Lasso回归
三梯度下降算法
1、从一个线性回归模型案例谈起
2、损失函数与梯度概念
3、梯度下降算法原理
4、学习率a的作用与取值
5、θ参数更新详细计算
6、梯度下降算法一般化公式
7、特征归一化
8、改进的梯度下降算法大家族
9、代码实战之数据集初始化
10、代码实战之损失函数
11、代码实战之θ参数更新
 

* 课程提供者:猿课教育