8.11学习笔记
1.基本概念:人工智能>机器学习>深度学习
2.基本定义:
人工智能是以拓展“人”到机器为主体涉及到多个领域的广泛的概念。
机器学习是通过模型假设、评价函数(损失/优化目标)和优化算法完成问题。
深度学习是解决机器学习的复杂问题的方法,学习人脑的结构来解决问题。
3.深度学习——神经网络:
3.1神经元(节点,由加权和,非线性变化(激活函数)组成),多层链接,前向计算
3.2历史:大数据,硬件发展,算法优化, svm算法,语音和图像 不同于机器学习,从手工作坊到工业化的改革(不用feature engineering)
3.3波士顿房价预测:多元线性回归——13个x预测y 损失函数——用均方误差
- 五步走:数据处理,模型设计,训练配置,训练过程,模型保存
- 实践归一化代码还是很有难度,细节的基础知识自己还一片空白。基本思路:对数据处理,转化为想要的格式,再对数据集归一化处理,然后用加权计算出预测值,再设计loss函数,寻找最优解。