qq_46056318的博客

切片：与Python列表类似，numpy数组可以被切片。由于数组可能是多维的，因此必须为数组的每个维度指定一个切片。一维一维地看，从第几行/列开始的，到哪个。num[1:2]：1表示索引开始（包含该值），2表示索引末尾（不包含该值）；:元组是（不可变的）有序值列表。最重要的区别之一是元组可以用作字典中的键和集合的元素，而列表则不能。): index是索引，x是内容。数组的形状是一个整数元组，给出了数组沿每个维度的大小。：numpy array是一个值网格，所有值都具有。：可包含大小与类型都不同的元素。

要谈论算法的相对优劣，必须要针对具体的学习问题，在某些问题上表现好的学习算法，在另一些问题上可能不尽如人意。没有免费午餐定理No Free Lunch Theorem，简称NFL定理：在所有问题出现的机会相同，或所有问题同样重要时，无论学习算法A多么聪明，B多么笨拙，它们的期望值都相同，即误差与学习算法无关。问题：不同模型的训练集假设一致，但是对应的模型在面临新的样本的时候却产生不同的输出，哪个是正确的？学习过程可以看作一个在所有假设组成的空间中进行搜索的过程，搜索目标是找到与训练集匹配的假设。

服务器上搭建深度学习模型运行环境：ubuntu

定义1：在进行特定编程的情况下，给予计算机学习能力的领域。定义2：一个程序被认为能够从经验E中学习，解决任务T，达到性能度量值P，当且仅当有了经验E后，经过P评判，程序在处理T时性能有所提升。.........

它们的参数是互相关联的，可以利用神经网络结构来简化求偏导的计算，用已经计算出的偏导数链式求导法则求出未求出的偏导数。如果问题简单，则神经网络层数与每层神经元个数可以少一些，如果问题复杂，则神经元个数与神经网络层数可以多一些。人工智能模拟的是人类大脑对世界的认识。在现在及可预见的未来，人类无法完全了解人脑的认知机理，计算机与人脑具有完全不同的物理属性与体系结构。定理如果层与层之间的非线性函数是阶跃函数，则三层神经网络可以模拟任何决策面。它从输出往输入推，先计算离输出较近的偏导数，再计算离输出较远的偏导数。..

机器学习一个计算机程序被称为可以学习，是指它能够针对某个任务T和某个性能指标P，从经验E中学习。这种学习的特点是，它在T上的被P所衡量的性能，会随着经验E的增加而提高。（较之定义一更数学化）任何一个预测函数，如果在一些训练样本上表现好，那么必然在另一些训练样本上表现不好，如果不对数据在特征空间的先验分布有一定的假设，那么表现好与表现不好的情况一样多。如果原问题的目标函数是凸函数，限制函数为线性函数，则f(ω*)=θ(α*，β*)SVM是先解决线性可分的问题，然后将线性可分的结论推广到线性不可分中。...