⏱ 19:50
👁 4,970
🧮 机器学习基础 — 游戏式理解神经网络
▶️ 视频播放区域
ML基础原理
🎮 类比：机器学习就像训练宠物
| 训练宠物 | 机器学习 |
|---|---|
| 给零食奖励正确行为 | 损失函数+反向传播 |
| 反复练习形成习惯 | 多次迭代训练(Epochs) |
| 逐渐减少犯错次数 | Loss下降 |
| 最终学会新技能 | 模型收敛准确率达标 |
🧱 三层结构
- 输入层：接收原始数据（如784个像素点）
- 隐藏层：进行特征提取和变换
- 输出层：输出最终结果（如10类概率）
🎯 动手实验：数字识别模型
- 加载MNIST手写数字数据集(60000张)
- 设计网络：输入784 → 隐藏128 → 输出10
- 选择激活函数ReLU + 优化器Adam
- 点击训练观察Loss曲线下降
- 测试：手写数字看能否正确识别
📊 关键概念
- Epoch：遍历全部数据的次数
- Accuracy：预测正确的比例
- Overfitting：记住了答案但不会举一反三
分享到：
← 返回新闻列表