- 神经网络； 神经网络；
- 正则化L1（稀疏性） 正则化L1（稀疏性）
- 许多问题需要将概率估算值作为输出。逻辑回归是一种极其高效的概率计算机制。 许多问题需要将概率估算值作为输出。逻辑回归是一种极其高效的概率计算机制。
- 传统编程的关注点是代码。在机器学习项目中，关注点变成了特征表示；即，开发者通过添加和改善特征来调整模型。 传统编程的关注点是代码。在机器学习项目中，关注点变成了特征表示；即，开发者通过添加和改善特征来调整模型。
- 机器学习中可以将数据集分为两个子集，即训练集、测试集。更好的方式是将数据集分为三个子集，即训练集、验证集、测试集。 机器学习中可以将数据集分为两个子集，即训练集、测试集。更好的方式是将数据集分为三个子集，即训练集、验证集、测试集。
- 泛化与过拟合 泛化与过拟合
- 随机梯度下降、批量梯度下降法. 随机梯度下降、批量梯度下降法.
- 梯度矢量具有方向和大小；梯度下降算法用梯度乘以一个称为学习率（有时也称为步长）的标量，以确定下一个点的位置。 梯度矢量具有方向和大小；梯度下降算法用梯度乘以一个称为学习率（有时也称为步长）的标量，以确定下一个点的位置。
- 在训练机器学习模型时，首先对权重和偏差进行初始化猜测，然后反复调整这些猜测参数（权重和偏差），直到获得损失可能最低时的，权重和偏差。 在训练机器学习模型时，首先对权重和偏差进行初始化猜测，然后反复调整这些猜测参数（权重和偏差），直到获得损失可能最低时的，权重和偏差。
- 训练模型表示通过有标签样本学习模型中所有权重w和偏差b的最优值。在监督学习中，机器学习算法通过以下方式构建模型：检查多个样本并尝试找出可最大限度地减少模型的损失；这一过程称为经验风险最小化。 训练模型表示通过有标签样本学习模型中所有权重w和偏差b的最优值。在监督学习中，机器学习算法通过以下方式构建模型：检查多个样本并尝试找出可最大限度地减少模型的损失；这一过程称为经验风险最小化。
- 线性回归；本案例观察蟋蟀鸣叫的规律，训练一个模型，预测鸣叫与温度的关系。 线性回归；本案例观察蟋蟀鸣叫的规律，训练一个模型，预测鸣叫与温度的关系。
- 本文参考谷歌官网对机器学习术语的解释，进行总结并加以描述。 本文参考谷歌官网对机器学习术语的解释，进行总结并加以描述。
- TensorBoard的图仪表盘（graph）是检测模型的强大工具，可以快速查看模型结构的预览图，并确保其符合预期想法。还可以查看操作级图，以了解Tensorflow程序。 TensorBoard的图仪表盘（graph）是检测模型的强大工具，可以快速查看模型结构的预览图，并确保其符合预期想法。还可以查看操作级图，以了解Tensorflow程序。
- 机器学习涉及评估模型的指标，例如损失（loss）、准确度等，以及它们如何随着训练的进行而变化。 机器学习涉及评估模型的指标，例如损失（loss）、准确度等，以及它们如何随着训练的进行而变化。
- ModelArts最新支持了图像分割标注，用户可以： - 手动标注物体轮廓，支持多点标注物体。 - 使用交互式智能标注加速标注，只需要标注四个极点：最上、最下、最左、最右四个点，然后ModelArts就会调用内置的图像分割算法，获取图像分割的边缘点，用户只需要确认或者稍作调整即可完成标注。 图像分割标注结果可用于训练得到用于识别图片中每个物体轮廓的模型。 ModelArts最新支持了图像分割标注，用户可以： - 手动标注物体轮廓，支持多点标注物体。 - 使用交互式智能标注加速标注，只需要标注四个极点：最上、最下、最左、最右四个点，然后ModelArts就会调用内置的图像分割算法，获取图像分割的边缘点，用户只需要确认或者稍作调整即可完成标注。 图像分割标注结果可用于训练得到用于识别图片中每个物体轮廓的模型。
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签