深度学习处理问题的一般步骤

资料来源：百度技术学院视频：

http://bit.baidu.com/course/detail/id/137/column/117.html

声明：博主只是将资料中的视频整理为图片，在某些地方稍作编辑，为了方便查阅而已。本文绝大部分的智力产出都来源于视频资料。推荐看视频资料以获得更多内容。

一、一般过程

第一步，拿到一些数据时，这些数据可能范围不一致，或者有缺失，或者不能用，因此需要做一些处理。

第二步，设计一个合理的假设函数来描述自变量和应变量之间的函数关系。

第三步，设计一个合理的损失函数来描述假设函数的好坏，来评估参数的优劣。

第四步，训练，用梯度下降来不停地优化损失函数，找到对应的θ，使他对应的误差达到最小 。

第五步，通过训练我们拿到了一些参数，根据这些参数和我们构造的假设函数，我们就得到了一个模型，根据这个模型就可以做预测并可以看一下他的预测效果。