MATLAB深度学习(二)——如何训练一个卷积神经网路

2.1 基本概念

        从数学的角度看，机器学习的目标是建立输入和输出的函数关系，相当于 y = F（x）的过程。F（x）就是我们所说的模型，对于使用者来说，这个模型就是一个黑箱，我们不知道其具体的结构，但是给定一个输出，就可以得到我们想要的结果。F（x）的获得，我们通过的是实验法啊，经过大量数据训练出来的，我们定义一个损失函数L（x），记录真实输出与模型输出的偏差，通过数据的迭代使得损失函数L（x）达到最小。

        在机器学习中，我们需要理解概念的术语的解释：

训练样本	用于训练的数据
训练	用于训练样本特征统计和归纳的过程
模型	总结出的规律、标准
验证	用于验证数据集评价模型是否准确
超参数	学习速率、迭代层神经元个数等
参数	权重、偏置等
泛化	模型对新样本的适应力

        过拟合和欠拟合是常见的现象。但是需要说明的是，数据没有过多的这种说法，所谓的过拟合，是模型在训练集上的表现过于