2.2非監督學習
2.3半監督學習
2.4強化學習
三.深度學習基礎
3.前饋神經網路
4.卷積神經網路 cnn
3.2概念解釋
3.2.2反向傳播
3.2.3損失與優化
3.2.4距離公式
3.2.5 啟用函式
簡單來說就是給你乙個輸入向量x,給你乙個輸出向量y；乙個x對應乙個y，然後經過你的訓練，對於任意乙個測試集x，都能得到相應的y
2.1.1 回歸
2.1.2 分類
2.1.3打標籤只有乙個x，沒有y，需要你對x進行處理得出你未知的結果。也就是有兩個資料，從乙個推測出另乙個，前提是有樣例作為參考，作為學習的「教材」。
2.2.1 聚類
2.2.2 降維3.1.1特點：
1．並行分布處理。
2．高度魯棒性和容錯能力。
3．分布儲存及學習能力。
4．能充分逼近複雜的非線性關係。
1.人工神經元模型 m-p模型（最基本模型）
2.感知機————最簡單的神經網路結構
基本結構（類似於m-p模型）
多層感知機
單層感知機易於處理線性可分問題，對於非線性問題，則無法處理。於是採用多層感知機。所謂多層感知器，就是在輸入層和輸出層之間加入隱藏層，，以形成能夠將樣本正確分類的凸域。
3.前饋神經網路
4.卷積神經網路 cnn
常用層
卷積層
池化層
3.2.1欠擬合與過擬合
對於欠擬合的解決方法（提高泛化能力）
對於過擬合的解決方法
3.2.2反向傳播
用於引數調優，其實就是復合函式求導的過程
3.2.3損失與優化
優化函式
3.2.4距離公式
正則化droput
成本函式
3.2.5 啟用函式
機器學習 深度學習概念
機器學習 machine learning 是一門專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能的學科。深度學習 deep learning 是機器學習研究中的乙個新的領域，其動機在於建立 模擬人腦進行分析學習的神經網路，它模仿人腦的機...
深度學習基礎（1） 機器學習與深度學習
機器學習 深度學習 通常，在我們接觸深度學習的過程中，經常可以看到機器學習，深度學習，監督學習，無監督學習，神經網路，隱藏層，函式等一系列概念。這些概念之間的相互關係是什麼，分別是什麼意思，有什麼作用，搞清楚這個是非常重要的。在此對其進行一次梳理。所有的概念都可以認為出自 人工智慧 artifici...
機器學習概念與數學基礎
一.什麼是機器學習 概率模型 神經網路 都是為了擬合輸入與輸出之間的關係 all models are wrong,but some are useful.george e.p.box 二.機器學習的應用 人工智慧 智慧型系統 計算神經學 機器學習等都是人工智慧的分支 模式識別 訊號 影象 聲音等找...