第一章 簡介
機器學習和深度學習的區別：
就是神經元和神經網絡的區別。神經元一個缺點是：它只能切一刀，你給我說說一刀怎麼能把下面這兩類分開吧
多層神經網絡，底層神經元的輸出是高層神經元的輸入。我們可以在中間橫着砍一刀，豎着砍一刀，然後把左上和右下的部分合在一起，與右上的左下部分分開；也可以圍着左上角的邊沿砍10刀把這一部分先挖出來，然後和右下角合併
深度學習模型： https://www.cnblogs.com/subconscious/p/5058741.html
機器學習：樸素貝葉斯、邏輯迴歸、KNN、決策樹、聚類樹、SVM、CTR預估、協同過濾
深度學習：，Word2Vec，Bert，LSTM,
深度學習的框架：
第二章 邏輯迴歸
1.1. 核心思想
假設現在有一些數據點， 我們用一條直線對這些點進行擬合（該線稱爲最佳擬合直線） ， 這個擬合過程就稱作迴歸。 利用Logistic迴歸進行分類的主要思想是： 根據現有數據對分類邊界線建立迴歸公式， 以此進行分類。 這裏的“迴歸”一詞源於最佳擬合， 表示要找到最佳擬合參數集， 其背後的數學分析將在下一部分介紹。 訓練分類器時的做法就是尋找最佳擬合參數， 使用的是最優化算法。 接下來介紹這個二值型輸出分類器的數學原理。