学习如何用神经网络来解决分类问题。
开始都会说什么是机器学习?机器学习的应用是什么?用机器在海量数据中学习得到可以解决一类问题的办法,这就是我的理解。图像处理、文本处理、无人驾驶、等,深度学习最热门的应用就是无人驾驶。而深度学习的核心是神经网络。神经网络就是模拟人的大脑工作。所以神经网络很重要、
神经网络是机器学习中的一个模型,可以用于两类问题的解答:
- 分类:把数据划分成不同的类别
- 回归:建立数据间的连续关系
1、分类问题
录取与不录取的问题:
如何让电脑找到这条线呢? 所以接下来我们要学习找到这条线的算法。
2、线性界限月更高维度的界限
对于二维数据是线性界限。
对于更高维度的界限。需要平面,甚至曲面。
3、Logistics(对数概率)感知器
感知器由两个节点构成,第一个是线性求和,第二个是对线性求和的结果进行阶跃,从而得到0、1
两种格式,一般是左边。
4、为何是神经网络
感知器的结果和人体大脑神经元很相似,这个感知器和人体大脑的神经元的链接方式类似。我们会连接这些感知器来创建神经网络,与大脑神经原连接方式很相似,都是一个神经元的输出作为一个神经元的输入。
5、作为Logistic(对数概率)运算符的感知器
我们将见到感知器的很多强大应用之一。作为逻辑运算符!你将有机会为最常见的逻辑运算符创建感知器:AND、OR 和 NOT 运算符。然后,我们将看看如何处理比较难处理的 XOR 运算符。
AND 感知器的权重和偏差是什么?
将权重(weight1
、weight2
)和偏差 bias
设为正确的值,以便如上所示地计算 AND 运算。
import pandas as pd
# TODO: Set weight1, weight2, and bias
weight1 = 2.0