表示学习介绍

 表示学习即做各种特征工程

 

 

 评估表示学习的方法：有以下几点

A.平滑性，损失函数最好是平滑函数可求导优化

 B.多特征表示： 可以把输出层分成若干类，每一类表示一个特征，这样通过只改变其中的部分参数就可改变指定的输出结果。

可解释性增强。

C. 层次结构：

底层的信息可以迁移学习另一个神经网络。

D. 迁移学习：有迁移能力

 E. 低维性特征：

时间空间一致性：即随着时间推移，变化不要太大。比如用户的购买商品的种类，

 

 

稀疏性可以使模型有更好的解释性：