AI 0基础学习,名词解析

VipSoft / 2023-05-18 / 原文

AI学习过程中,常见的名词解析

损失函数(loss function)

数据集中所有样本的损失均值,能够量化目标的实际值与预测值之间的差距,最小化损失是模型的优化目标,实现损失最小化的方法称为优化算法,也称为寻解算法

多项分布(multinomial distribution)

贝叶斯定理(Bayes’ theorem)

方差

https://www.bilibili.com/video/BV1734y1L7SW/
image

标准差的平方,方差反映的是波动平方,波动:60分->180分 波动 20,乘以3位 波动=60,方差=60**2=360
https://www.bilibili.com/video/BV1NY4y1L7rL/
\(x_1\) ~ \(x_n\)离散程度或者说稳定程序
image
image
image

极差

最大值与最小值 之间的波动关系(\(x_{max}\) - \(x_{min}\)),同样反映的离散程度

标准差(standard deviation)

标准差反映的是波动
方差的平方根被称为标准差(standard deviation)

线性回归(linear regression)

仿射变换(affine transformation)

梯度下降(gradient descent)

通过不断地在损失函数递减的方向上更新参数来降低误差。 最简单的用法是计算损失函数(数据集中所有样本的损失均值) 关于模型参数的导数(在这里也可以称为梯度) 算法的步骤如下: 1. 初始化模型参数的值,如随机初始化; 2. 从数据集中随机抽取小批量样本且在负梯度的方向上更新参数,并不断迭代这一步骤

正态分布(normal distribution)= 高斯分布(Gaussian distribution)