飞桨学习篇（8.11）

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。