人工智能:能够感知、推理、行动和适应的程序
机器学习:能够随着数据量的增加不断改进性能的算法
深度学习:机器学习的一个子集:利用多层神经网络从大量数据中进行学习
机器学习算法:基于数学,或者统计学的方法,具有很强的可解释性
例如:
K最近邻居(K-Nearest Neighbors,简称KNN)
基本思想:测量不同数据点之间的距离来进行预测
工作原理:1、距离度量(欧式距离)
2、确定邻居数量K
3、投票机制
决策树
朴素贝叶斯
简而言之,深度学习就是找一个函数f,设计一个很深的网络架构让机器自己学
常见的神经网络输入:
1、向量
2、矩阵
3、序列
常见的神经网络输出:
1、回归任务
2、分类任务
3、生成任务(结构化)
深度学习任务:分类和回归是生成的基础,分类和回归是生成的基础,有的时候需要多个模态的数据,比如 图片, 文字, 声音
如何进行深度学习?
如何找一个函数呢?
,