Datawhale X 李宏毅苹果书 AI夏令营 Task02学习笔记

1.概述

  本文为Datawhale X 李宏毅苹果书 AI夏令营task02的学习笔记，主要内容为从线性模型过渡到深度学习。
  相关链接：Datawhale夏令营task02学习链接

2.线性模型

2.1线性模型

  把输入的特征x乘上一个权重，再加上一个偏置就得到预测的结果，这样的模型称为线性模型（linear model）。
  例如：之前讲到的y=wx+b就是一个线性模型，其中w为权重，x为特征，b为偏置。

2.2分段线性曲线

  更为复杂的线性模型，可以每一段做一个线性模型，多个线性模型结合成一个新的模型，即分段线性模型。

2.3更复杂的线性模型

  将多个线性模型相加，成为一个新的分段线性曲线，可以更好的拟合更为复杂的数据，图像形象化如下：
用公式表达是这样的：

这样就可以是的算法更具有灵活性（flexibility）

3.深度学习和小结

3.1深度学习

  到目前为止，基本就已经有深度学习的雏形了。
  Sigmoid 或 ReLU 称为神经元（neuron），很多的神经元称为神经网络（neural network）。神经网络的不断深入，许多层，便就成为了深度学习（deep learning）。

3.2小结

  本节主要从机器学习的线性模型过渡到了深度学习，更深入的了解了深度学习的架构，也学到了机器学习的基本框架。