Den här webbläsaren stöds inte längre.
Uppgradera till Microsoft Edge och dra nytta av de senaste funktionerna och säkerhetsuppdateringarna, samt teknisk support.
Vad är skillnaden mellan övervakad inlärning och oövervakad inlärning?
Övervakad inlärning kräver mänsklig övervakning, medan oövervakad inlärning inte gör det.
Övervakad inlärning använder alltid en optimerare, men oövervakad inlärning gör det aldrig.
Övervakad inlärning tränar en modell genom att jämföra uppskattningar med korrekta svar. Kostnadsfunktionen för oövervakad inlärning behöver inte rätt svar.
Vilken roll har kostnadsfunktionen i övervakad inlärning?
För att maximera kostnaden så att målet uppnås.
Så här beräknar du kostnaden genom att jämföra uppskattningar med korrekta svar.
Uppdatera modellparametrar.
Hur vet gradient descent hur man uppdaterar parametrar?
Den jämför kostnader för flera kombinationer av parametrar och väljer sedan det bästa alternativet.
Den använder en intern förståelse av relationen mellan funktioner och etiketter för att göra intelligenta val.
Den använder kalkyl för att uppskatta kostnadsfunktionens lutning.
Varför är många kostnadsfunktioner tillgängliga?
En unik kostnadsfunktion krävs för varje bearbetad valuta eller banksystem.
Kostnadsfunktioner hjälper modeller att bearbeta data och många modelltyper är tillgängliga.
Olika kostnadsfunktioner kan få olika svar och vad som är bäst beror på målet.
Varför är inlärningsfrekvensen viktig?
Det påskyndar eller saktar ner träningen.
Om inlärningsfrekvensen är för stor eller för liten kan den förhindra att en modell tränas optimalt.
Båda alternativen är korrekta.
Du måste svara på alla frågor innan du kontrollerar ditt arbete.
Var den här sidan till hjälp?