Sammanfattning
Bra gjort för att få igenom allt det! Nu ska vi sammanfatta vad vi har gått igenom:
- Övervakad inlärning är ett slags lärande efter exempel. En modell gör förutsägelser, förutsägelserna jämförs med förväntade etiketter och modellen uppdateras sedan för att ge bättre resultat.
- En kostnadsfunktion är ett matematiskt sätt att beskriva vad vi vill att en modell ska lära sig. Kostnadsfunktioner beräknar stora tal när en modell inte gör bra förutsägelser och små tal när den presterar bra.
- Gradient descent är en optimeringsalgoritm. Det är ett sätt att beräkna hur du kan förbättra en modell, när du får en kostnadsfunktion och vissa data.
- Stegstorlek (inlärningsfrekvens) ändrar hur snabbt och hur bra algoritmen för gradient descent presterar.