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