7天深度学习-day1-深度网络简介-分类

   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