机器学习入门分享

第一章 简介

机器学习和深度学习的区别：

     就是神经元和神经网络的区别。神经元一个缺点是：它只能切一刀，你给我说说一刀怎么能把下面这两类分开吧

多层神经网络，底层神经元的输出是高层神经元的输入。我们可以在中间横着砍一刀，竖着砍一刀，然后把左上和右下的部分合在一起，与右上的左下部分分开；也可以围着左上角的边沿砍10刀把这一部分先挖出来，然后和右下角合并

 

深度学习模型： https://www.cnblogs.com/subconscious/p/5058741.html

机器学习：朴素贝叶斯、逻辑回归、KNN、决策树、聚类树、SVM、CTR预估、协同过滤

深度学习：，Word2Vec，Bert，LSTM,

深度学习的框架：

• Torch
• TensorFlow
• Theano
• PaddlePaddle
• Caffe
• Keras

第二章 逻辑回归

1.1. 核心思想

假设现在有一些数据点， 我们用一条直线对这些点进行拟合（该线称为最佳拟合直线） ， 这个拟合过程就称作回归。 利用Logistic回归进行分类的主要思想是： 根据现有数据对分类边界线建立回归公式， 以此进行分类。 这里的“回归”一词源于最佳拟合， 表示要找到最佳拟合参数集， 其背后的数学分析将在下一部分介绍。 训练分类器时的做法就是寻找最佳拟合参数， 使用的是最优化算法。 接下来介绍这个二值型输出分类器的数学原理。