《漫画机器学习入门》总结

漫画机器学习入门是一本非常有意思的书，全书用生动活泼的漫画来讲解整个深度学习的过程。并不幼稚，相反，将一些难以理解的概念讲的非常生动。

接下来总结一下这本书的收获吧

1，特征向量就是每个人的特征量放到一起，特征向量是表达特征的一个数组

2，回归就是：建立模型---拟合---微调

3，机器学习是寻找输入数据与输出数据之间关系的一门学问。

4，每一个特征量都很重要，但是不同特征量的重要程度是不同的，所以需要寻找特征的权重矩阵

5，无监督学习：聚类算法

有监督学习：深度学习

6，将较多的特征量加权求和，然后通过非线性变换处理成为比较复杂的函数，然后在进行不断组合，这就是多层神经网络

7，神经网络过程就是通过调整权重来减小误差

8.ReLU解决了sigmoid带来的梯度消失问题

9，感知机和支持向量机

感知机：移动分割超平面进行数据分类

支持向量机：使分割超平面处于一种非常“好”的状态，即所有数据点都远离分割超平面，因此能够更好的识别并且使得安全裕量最大

10，感知机的缺点：非线性模型处理不好

11，玻尔兹曼机会考虑相邻像素的关系

12，机器学习的目的要么是让误差值最小，要么是让似然度最大

13，受限玻尔兹曼机是两层神经网络。包含输入层，隐藏层，输出层