摘要：
1. softmax回归模型（分类模型） 2. 交叉熵损失函数 最小化交叉熵损失函数等价于最大化训练数据集所有标签类别的联合预测概率 3. 模型预测评价（准确率--正确预测数量/总预测数量） 4. 小结 1. softmax回归是单层神经网络的分类问题，输出为总类别数 2. 交叉熵适合衡量两个概率分 阅读全文
摘要：
# -*- coding: utf-8 -*- import torch import numpy as np import matplotlib.pyplot as plt import random from torch import nn from torch.nn import init i 阅读全文
摘要：
# -*- coding: utf-8 -*- import torch import numpy as np import matplotlib.pyplot as plt import random '''生成一个1000个数据集 y = W*X+b+k k表示高斯白噪声 服从正态分布 ''' 阅读全文
摘要：
1. 模型定义 将问题转化为数学公式建模 模型就是一个数学公式，例如 w表示权重，b表示偏差，yhat表示预测值≠标签 2. 模型训练 -- 调整最终参数的过程 1. 训练数据（训练集，样本，标签--真实值，特征--用来预测标签的因素x1,x2） 2. 损失函数（衡量标签（真实值）与预测值之间的误差 阅读全文