“第十二章 机器学习基本流程”版本间的差异
来自cslt Wiki
（→扩展阅读） |
（→扩展阅读） |
||
| 第22行： | 第22行： | ||
* 百度百科：奥卡姆剃刀[https://baike.baidu.com/item/%E5%A5%A5%E5%8D%A1%E5%A7%86%E5%89%83%E5%88%80%E5%8E%9F%E7%90%86/10900565][http://baike.baidu.com/l/HUkXrXzT] | * 百度百科：奥卡姆剃刀[https://baike.baidu.com/item/%E5%A5%A5%E5%8D%A1%E5%A7%86%E5%89%83%E5%88%80%E5%8E%9F%E7%90%86/10900565][http://baike.baidu.com/l/HUkXrXzT] | ||
* 维基百科：过拟合[http://aigraph.cslt.org/courses/12/Overfitting.pdf][http://aigraph.cslt.org/courses/12/過適.pdf] | * 维基百科：过拟合[http://aigraph.cslt.org/courses/12/Overfitting.pdf][http://aigraph.cslt.org/courses/12/過適.pdf] | ||
| − | * 维基百科：GPT-3 [http://aigraph.cslt.org/courses/12/GPT-3-zh.pdf][http://aigraph.cslt.org/courses/12/GPT-3- | + | * 维基百科：GPT-3 [http://aigraph.cslt.org/courses/12/GPT-3-zh.pdf][http://aigraph.cslt.org/courses/12/GPT-3-en.pdf] |
* 机器之心：当谈论机器学习中的公平公正时，我们该谈论些什么？[https://www.jiqizhixin.com/articles/2020-06-03-11] | * 机器之心：当谈论机器学习中的公平公正时，我们该谈论些什么？[https://www.jiqizhixin.com/articles/2020-06-03-11] | ||
* 机器之心：数据增强 [https://www.jiqizhixin.com/articles/2019-12-04-10] | * 机器之心：数据增强 [https://www.jiqizhixin.com/articles/2019-12-04-10] | ||
2023年8月8日 (二) 09:43的版本
教学资料
扩展阅读
- 维基百科：没有免费的午餐定理 [5]
- 维基百科：梯度下降法[6][7]
- 百度百科：梯度下降法[8][9]
- 知乎：梯度下降法[10]
- 知乎：小批量梯度下降法[11]
- 知乎：动量梯度下降法[12][]
- 维基百科：模拟退火算法 [13][14]
- 百度百科：模拟退火算法[15][16]
- 知乎：模拟退火详解 [17]
- 维基百科：牛顿法 [18][19]
- 维基百科：奥卡姆剃刀[20][21]
- 百度百科：奥卡姆剃刀[22][23]
- 维基百科：过拟合[24][25]
- 维基百科：GPT-3 [26][27]
- 机器之心：当谈论机器学习中的公平公正时，我们该谈论些什么？[28]
- 机器之心：数据增强 [29]
- 知乎：数据增强 [30][31]
- 什么是模型预训练[32]
- 迁移学习 [33]
视频展示
演示链接
开发者资源
高级读者
- 王东，机器学习导论,第一章“绪论”，第十一章“优化方法”[38]
- Wolpert, David (1996), "The Lack of A Priori Distinctions between Learning Algorithms", Neural Computation, pp. 1341–1390 [39]
- Sebastian Ruder, An overview of gradient descend algorithms,2017 [40]
- Kirkpatrick, S.; Gelatt Jr, C. D.; Vecchi, M. P. (1983). "Optimization by Simulated Annealing". Science. 220 (4598): 671–680. [41]
- Brown et al., Language Models are Few-Shot Learners [42]
