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。