DEV Community
·
人工智能术语
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本文讨论了机器学习的关键概念，包括权重、偏差、超参数、前向传播、反向传播、激活函数以及L1和L2正则化与梯度。
🎯
关键要点
-
权重是机器学习模型中用于调整输入的重要参数。
-
偏差是模型预测与实际值之间的差异，用于提高模型的灵活性。
-
超参数是在训练过程中需要手动设置的参数，影响模型的性能。
-
前向传播是指输入数据通过网络层的过程，以生成输出。
-
反向传播是通过计算损失函数的梯度来更新模型权重的过程。
-
激活函数用于引入非线性，使模型能够学习复杂的模式。
-
L1正则化通过增加权重的绝对值和来防止过拟合。
-
L2正则化通过增加权重的平方和来限制模型的复杂性。
-
梯度是损失函数相对于模型参数的导数，用于优化模型。
➡️
