注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. applying-gradient-descent-lab-data-science-intro-000-源码

  2. 应用梯度下降实验室 介绍 在本实验中，我们将测试有关数据科学的知识。 我们将可以访问我们先前编写的 ，和库中的函数。 这是我们的任务：我们是Good Lion Studios的员工。 对于Good Lion来说，我们的工作是首先收集，探索和格式化数据，以便我们可以建立此数据的回归线。 然后，我们将通过各种尝试来构建这些回归线。 在本实验结束之前，我们应该有一个工作版本，可以自豪地向我们的经理展示。 学习目标 复习如何使用内置功能（如过滤器和地图）来清理数据 使用残差平方和（RSS）评估回归线的

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：105472
    • 提供者：weixin_42129005

  1. 梯度下降步长数据科学介绍000-源码

  2. 简介：稍微好一点 在上一节中，我们首先看了改善回归线的过程。 我们从一些数据开始，然后使用给定输入的形式简单的回归线$ \ hat {y} = mx + b $来预测输出。 最后，我们通过计算回归线预测的输出与实际值之间的差异来测量回归线的准确性。 我们通过对所有误差进行平方（以消除负值）并将这些平方相加来得出残差平方和（RSS），从而量化回归线的准确性。 有了描述直线精度（或拟合优度）的数字，我们通过调整y截距值$ b $或斜率值$ m $，然后比较这些RSS值，反复尝试新的回归线。 通过找

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：485376
    • 提供者：weixin_42177768

  1. 渐变到成本函数数据科学介绍000-源码

  2. 介绍 在上一课中，我们学习了梯度的数学定义。 我们看到一个函数的梯度是相对于该函数的每个变量的偏导数的组合。 我们看到了梯度下降的过程涉及沿梯度的负方向移动。 例如，如果某个功能的上升方向是向上和向右移动，则下降方向将向下和向左移动。 在本课程中，我们将对我们的成本函数应用梯度下降，以了解如何通过更改$ m $和$ b $变量来朝最佳拟合回归线移动。 将RSS表示为多变量函数 想一想为什么梯度下降法在成本函数中应用得如此之好。 最初，我们说函数的成本，即我们的回归线预测值与数据集之间的差异，是随

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：153600
    • 提供者：weixin_42155721

  1. 多变量微积分梯度下降数据科学介绍000-源码

  2. 3D渐变下降 学习目标 了解同时更改y截距和斜率变量时梯度下降的工作原理 了解偏导数的含义 了解取偏导数的规则 介绍 在上一节中，我们讨论了如何考虑沿3-d成本曲线移动。 我们知道，沿着上面的3-d成本曲线移动，意味着更改回归线的$ m $和$ b $变量，如下所示。 我们这样做的目的是使我们的生产线更好地匹配我们的数据。 回顾二维的梯度下降 在本课程中，我们将学习三个维度的梯度下降，但让我们首先记住当仅更改回归线的一个变量时它如何在两个维度上起作用。 在二维中，当仅更改一个变量$ m $或

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：569344
    • 提供者：weixin_42129005

  1. 梯度下降步长大小实验室数据科学介绍000-源码

  2. 梯度下降步长实验室 介绍 在本实验中，我们将练习应用梯度下降。 众所周知，梯度下降从初始回归线开始，然后通过更改$ m $和$ b $的值并评估RSS移至“最佳拟合”回归线。 到目前为止，我们已经通过更改$ b $的值并评估RSS来说明此技术。 在本实验中，我们将通过更改$ m $的值来应用技术。 让我们开始吧。 设置我们的初始回归线 再一次，我们将看电影的收入来预测收入。 first_show = { 'budget' : 100 , 'revenue' : 275 } second_sho

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：46080
    • 提供者：weixin_42161497

  1. 导数数据科学入门-000-源码

  2. 直线导数 学习目标 了解导数是函数的瞬时变化率 了解如何计算直线的导数 介绍 在讨论梯度下降算法步长的课程中，我们填写了有关如何使用梯度下降找到“最佳拟合”回归线的更多信息。 即，我们学习了如何有效地改变回归线的y截距以最小化残差平方和。 我们通过将一个回归线参数-假设我们的y截距$ b $的变化的大小和方向校准为在该值$ b $处与成本曲线相切的直线的斜率来完成此操作。 切线是指在给定点“仅接触”曲线的线。 下面的曲线显示了具有$ b $不同值的回归线的RSS。 我们的橙色，绿色和红色线分

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：547840
    • 提供者：weixin_42097533

  1. 梯度下降数据科学介绍000-源码

  2. 梯度下降 学习目标 了解如何从RSS转到找到“最合适”的行 了解成本曲线及其显示内容 介绍 在上一节中，我们看到了在选择回归线的斜率和y截距值之后，如何计算残差平方和（RSS）和相关的均方根误差（RMSE）。 我们可以使用RSS或RMSE来计算一条线的准确性。 在本课程中，我们将继续使用RSS，因为这是两者中的简单者。 一旦我们计算了一条线的精度，就可以通过最小化RSS来改进该线。 这是梯度下降的任务。 但是在学习梯度下降之前，让我们回顾一下并确保我们了解如何评估我们的直线如何拟合我们的数据。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：63488
    • 提供者：weixin_42166105

  1. 演算派生梯度下降数据科学介绍000-源码

  2. 了解渐变下降中的渐变 介绍 如您所知，我们进入了对衍生工具的讨论，以确定沿着成本曲线移动的步骤的大小和方向。 我们首先在单个变量函数中使用导数，以查看成本曲线的输出相对于回归线变量之一的变化是如何变化的。 然后，我们了解了偏导数，以了解三维成本曲线如何响应回归线的变化。 但是，我们尚未明确显示偏导数如何应用于梯度下降。 好吧，这就是我们希望在本课中展示的内容：解释我们如何使用偏导数找到最小化成本函数的路径，从而找到我们的“最佳拟合”回归线。 什么是梯度？ 现在，梯度下降从字面上意味着我们正

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：268288
    • 提供者：weixin_42117622