深度学习前两天心得

新人一枚，以前没接触过深度学习这方面的，只有一个笼统概念，
第一章线性回归，
吴恩达老师的机器学习课程，介绍的第一个模型就是线性回归模型。机器学习（尤其是监督学习），主要围绕分类和回归两类问题展开，而线性回归模型作为最简单的回归模型，与大多数监督学习算法具有相同的建模思路，包括建立损失函数、优化参数、模型评估。可谓麻雀虽小五脏俱全，了解线性回归的建模思想能够有助于理解复杂的深度学习模型。
一个简单的线性回归：
import numpy as np
from numpy import random
import matplotlib.pyplot as plt

X = random.uniform(0, 30, 100) # 随机生成在[0,30]区间内服从均匀分布的100个数
y = 1.85 * X + random.normal(2, 5, 100) # 对X乘以固定系数后加上随机扰动

plt.scatter(X, y)
plt.xlabel(‘X’)
plt.ylabel(‘y’)
plt.show()