這個書各位大佬都很熟悉,我就不多說了。這個系列的文章肯定不是很長,整個整合到
機器學習-筆記目錄
深度學習筆記——《深度學習入門——基於Python的理論與實現》
第4章——神經網絡的學習
這章節和機器學習的求解有點接軌了,梯度下降什麼的。
我感覺學得有點雲裏霧裏,這章作爲切入點。
所謂學習就是從訓練數據中自動獲取最優權重參數的過程。
4.1從數據中學習
第2章的感知機中的參數設定是人爲的,而且只有3個。而實際情況是成千上萬.
- 4.1.1 數據驅動
人們認知事物的方式是依靠直覺和經驗,機器學習則極力避免人爲介入。而神經學習比以往的機器學習方式更能避免人爲介入。
e.g:機器學習中的特徵是人爲設定,而深度學習則不是。
紅色爲人蔘與,灰色無人蔘與
- 4.1.2 訓練數據和測試數據
獲得泛化能力是機器學習的最終目標。
問題
深度學習和機器學習的關係是什麼?
補充:
P82-Q18,感知機收斂定理?如何理解“通過有限次數的學習,線性可分問題是可解的”?
P82-Q18,深度學習和機器學習的本質區別?
P83-Q19,在計算機視覺領域所說的特徵量指的是什麼?SIFT、SURF、HOG指的是什麼?
P83-Q20,轉化成向量使用SVM、KNN分類器是什麼意思,分類器本身是什麼意思?
P84-Q21,什麼是過擬合?