机器学习笔记——1

1、机器学习的定义：如果一个程序可以在任务T上，随经验E的增加，效果P随之增加，则这个程序可以从经验中学习。

过程：

单个神经元：

2、基于tensorflow的NN（神经网络）：用张量表示数据，用计算图搭建神经网络，用会话执行，优化线上的权重（参数），得到模型。

2.1、张量：多维数组（列表），阶：表示张量的维数。

如：标量（0阶）、向量（1阶），矩阵（2阶）

2.2、计算图（Graph）：搭建神经网络的计算过程，只搭建，不运算。

2.3、会话（Session）：执行计算图中的节点运算。

2.4、参数：表示输入到求和过程上的权重W，用变量表示，随机给初值。

3、神经网络的实现过程：

训练阶段（循环迭代）：

（1）、准备数据集，提取特征，作为输入喂给神经网络；

（2）、搭建NN结构，从输入到输出（先搭建计算图，再用会话执行）

（NN前向传播算法———>计算输出）；

（3）、大量特征数据喂给NN，迭代优化参数

（NN反向传播算法———>优化参数训练模型）；

应用：

（4）、使用训练好的模型预测和分类；