深度学习简介
几乎所有由神经网络创造的价值,都基于一种机器学习,我们称之为“监督学习”,在监督学习的4中,输入一个函数x,习得一个函数 映射到输出y,比如关于房价的预测
在图像领域里,我们经常使用的是卷积神经网络Convolutional neural
networks----简称CNN,对于序列数据,例如,音频中含有时间成分,音频是随着时间播放的,所有音频很自然第被表示为一维时间序列,对于序列数据,你经常使用RNN,循环神经网络(recurrent neural network)
机器学习被应用于,结构化数据(Structured Data)和非结构化数据(Unstructured Data)
结构化数据 是数据的数据库,意味着每个特征都有清晰的定义
非结构化数据
事实上,要在神经网络上获得更好的表现,在今天最可靠的手段,往往就是,要么训练一个更大的神经网络,要么投入更多的数据
我们是用小写的字母m,表示训练集的规模或者说训练样本的数量,这个小写的字母m,这就是水平轴