深度学习日记（一）

好了，我就是这么一个三心二意的人，这几天又鸽了leetcode和61B开始搞这个东西，
因为申请暑假实习的地方需要又DL框架基础，我就emmmm…

查了一下找到了比较基础的教程，最后在b站上找到了这个
【深度学习框架TensorFlow】零基础入门|应用
看了前几集讲解还比较清楚，主要用jupyter去编程。前两周都是环境的配置。
相关的import tensorflow找不到module 的问题在我另一篇blog里面有解决。

从第三周开始，涉及到一些神经网络的东西，他就默认你有一些深度学习基础了…建议没有基础的去看黄校长的教程，实在不知道这个黄校长是谁…就去找了其他的教程

最后在TesterHome上面找到一位叫孙高飞的用户分享的内容
链接如下深度学习基础—孙高飞

---

深度学习基础（一）二分类 by 孙高飞

链接在此： 深度学习基础–二分类

笔记整理：

人工智能 = 大数据+机器学习。

现阶段的人工智能是使用机器学习算法在大量的历史数据下进行训练
从历史数据中找到一定的规律并对未来做出的预测行为。

机器学习训练出来的模型可以暂且理解为一个二分类的模型。
主要是就是一个key，value的数据库。
key就是在数据中抽取出来的特征，value就是这个特征的权重。
想要预测一个用户的行为的时候，就从用户的数据中提取特征并在模型中查找对应的权重。
最后根据这些特征的权重算出一个分，即一个概率。

二分类

在⼆分类问题中，通常 分类的结果只有两个: 是(Yes)和不是(No)
比如判断图片中是否存在某物，那么我们为模型输入一张图片，得出一个预测值y。
y的取值为1或者0。0 代表是，1代表否。

逻辑回归 线性回归

逻辑回归是二分类算法中最典型的一个。 再说逻辑回归之前我们先说说线性回归。
如预测房价的例子，（设影响房价的因素只有面积） 如图为房价随着面积的变化趋势：