1.传统的机器学习和深度学习的最根本的区别就是 ：传统的机器学习是人为来选择特征，而深度学习是由网络自己进行特征的选择和学习。传统的机器学习是浅层学习。
2.神经网络可以看做一个通用的函数逼近器，一个两层的神经网络可以逼近任意的函数。
3.机器学习中常用的损失函数
4.经验风险最小化：
5.结构风险最小化：
6.似然函数是高斯分布函数的累乘
文章探讨了机器学习和深度学习的基本差异，强调了深度学习在特征选择上的自动化。同时提到神经网络作为通用函数逼近器的角色，以及两层神经网络的表达能力。文章还提及了损失函数在优化过程中的作用，以及经验风险和结构风险最小化在模型选择中的重要性。此外，还讨论了似然函数在高斯分布情况下的应用。
扫一扫
26万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
