笔记|李宏毅老师机器学习课程，视频12反向传播算法
《学习笔记》专栏·第12篇
文 | MLer
721字 | 2分钟阅读
【数据科学与人工智能】开通了机器学习群，大家可以相互学习和交流。请扫描下方二维码，备注：姓名-ML，添加我为好友，诚邀你入群，一起进步。
感谢李宏毅老师的分享，他的课程帮助我更好地学习、理解和应用机器学习。李老师的网站：http://speech.ee.ntu.edu.tw/~tlkagk/index.html。这个学习笔记是根据李老师2017年秋季机器学习课程的视频和讲义做的记录和总结。因为这个视频是在Youtube上面，有些朋友可能无法观看，我把它搬运下来放在云盘上面，大家点击阅读原文，就可以直接在手机随时随地观看了。再次，感谢李老师的付出和贡献。
这门课，共有36个视频，每个视频播放的时间不一。我按着视频播放的顺序，观看，聆听和学习，并结合讲义，做学习笔记。我做学习笔记目的有三：
1 帮助自己学习和理解机器学习
2 记录机器学习的重要知识、方法、原理和思想
3 为传播机器学习做点事情
视频12：反向传播算法
一、反向传播
深度学习，使用梯度下降算法寻找最佳参数时，如何来实现呢？
需要用到反向传播算法
1 回顾下梯度下降算法
如下图：
深度学习，它有成千上万的参数，如何高效地计算这些参数的梯度？引出了反向传播算法（一种有效率的计算方法）。
2 回顾多元微积分的链式法则
如下图
3 理解反向传播算法
李老师，从简单入手，深入浅出地讲解了反向传播算法，算法的整个架构、前向传播和反向传播逻辑，如下图所示：
4 总结
思考题：
1 反向传播算法为什么具有高效性？
2 反向传播算法如何执行？
朋友们，在学习中有什么问题或者想法，请加入机器学习群，大家一起讨论，共同进步。
每周一书
课程视频点击
↓↓↓
评论