1、機器學習的定義:如果一個程序可以在任務T上,隨經驗E的增加,效果P隨之增加,則這個程序可以從經驗中學習。
過程:
單個神經元:
2、基於tensorflow的NN(神經網絡):用張量表示數據,用計算圖搭建神經網絡,用會話執行,優化線上的權重(參數),得到模型。
2.1、張量:多維數組(列表),階:表示張量的維數。
如:標量(0階)、向量(1階),矩陣(2階)
2.2、計算圖(Graph):搭建神經網絡的計算過程,只搭建,不運算。
2.3、會話(Session):執行計算圖中的節點運算。
2.4、參數:表示輸入到求和過程上的權重W,用變量表示,隨機給初值。
3、神經網絡的實現過程:
訓練階段(循環迭代):
(1)、準備數據集,提取特徵,作爲輸入餵給神經網絡;
(2)、搭建NN結構,從輸入到輸出(先搭建計算圖,再用會話執行)
(NN前向傳播算法———>計算輸出);
(3)、大量特徵數據餵給NN,迭代優化參數
(NN反向傳播算法———>優化參數訓練模型);
應用:
(4)、使用訓練好的模型預測和分類;