Als je mijn vorige artikelen hebt gelezen, weet je wat er hierna komt. In dit deel van internet maken we complexe concepten leuk en interessant door ze te verduidelijken. Als je mijn eerdere artikelen nog niet hebt gelezen, raad ik je ten zeerste aan om te beginnen met de reeks artikelen over dit onderwerp Basisprincipes van machinaal leren Omdat u zult merken dat veel van het daar behandelde materiaal hier relevant is.
Vandaag behandelen we het grote onderwerp: een inleiding tot neurale netwerken, een soort machine learning-model. Dit is slechts het eerste artikel in een hele serie die ik van plan ben te doen over diepgaand leren. Het zal zich richten op hoe een eenvoudig kunstmatig neuraal netwerk kan leren en u van informatie kan voorzien diep (Ha, woordspeling) Begrijpen hoe een neuraal netwerk neuron voor neuron wordt opgebouwd, is… uitstekend Essentieel omdat we op deze kennis blijven voortbouwen. Terwijl we ingaan op de wiskundige details, hoeft u zich geen zorgen te maken, want we zullen elke stap opsplitsen en uitleggen. Aan het einde van dit artikel zul je beseffen dat het eenvoudiger is dan het lijkt.
Maar voordat we dat onderzoeken, vraag je je misschien af: waarom hebben we neurale netwerken nodig? Waarom kiezen voor neurale netwerken, nu er zoveel machine learning-algoritmen beschikbaar zijn? De antwoorden op deze vraag zijn talrijk Het is breed besprokenWij gaan er dus niet op in. Maar het is vermeldenswaard dat neurale netwerken ongelooflijk krachtig zijn. Ze kunnen complexe patronen in gegevens identificeren waar klassieke algoritmen mee te maken zouden krijgen, zeer complexe machine learning-problemen aanpakken (zoals natuurlijke taalverwerking en beeldherkenning) en de behoefte aan uitgebreide feature-engineering en handmatige inspanningen verminderen.
Maar dat gezegd hebbende, komen neurale netwerkproblemen grotendeels neer op twee hoofdcategorieën: classificatie, het voorspellen van een discreet label voor een bepaalde input (bijvoorbeeld: is dit een foto van een kat of een hond? Is deze filmrecensie positief of negatief?) of regressie, waarbij de waarde van Continu wordt voorspeld voor een bepaalde invoer (bijvoorbeeld: weersvoorspelling).
Vandaag zullen we ons concentreren op het regressieprobleem. Overweeg een eenvoudig scenario: we zijn onlangs naar een nieuwe stad verhuisd en zijn momenteel op zoek naar een nieuw huis. We merken echter op dat de huizenprijzen in de regio sterk variëren.
Omdat we de stad niet kennen, is onze enige informatiebron wat we weten…
‘Reader. Furious humble travel enthusiast. Extreme food scientist. Writer. Communicator.’
