筆記
習題1.2 什麼是神經網路？
簡單來說：神經網路就是完成輸入x到輸出y的對映功能的網路。
注：x可能有多個輸入，但輸出y只能有乙個。如可以通過郵編、鄰居富裕程度、交通便利程度**周圍房價。
1.3 用神經網路進行監督學習
結構化資料：指的就是資料庫資料
非結構化資料：指的是音訊、影象或者檔案中的內容（計算機難理解、人類易理解）
神經網路使計算機更容易理解非結構化資料1.4 為什麼深度學習會興起
簡單來說之前沒有現在那麼多資料可供學習，現在計算機的興起，人們才在手機等各種移動裝置上創造了大量的資料，遠超傳統演算法的計算能力，這才有利於深度學習的興起。
在今天要在神經網路上獲得更好的表現，最可靠的手段就是訓練乙個更大的神經網路、或者投入更多的資料。
2.1 二分類
簡單來理解就是把乙個分為各種紅黃藍小矩陣， 然後把這些顏色值寫成特徵向量，乙個特徵向量代表乙個樣本，把不同樣本的特徵想象組成矩陣，就是我們要的樣本集
2.2 邏輯回歸
2.3邏輯回歸代價函式（成本函式）
損失函式：損失函式又叫做誤差函式，用來衡量演算法的運**況。吳恩達深度學習課程第一課 第二週學習筆記
吳恩達深度學習課程第一課 第二週學習筆記 二分類問題就是簡單的 是否 有無 問題，如判斷圖1中是否有貓，我們的視神經系統能夠輕易的分辨出這張圖中的貓，但是對於機器來說分辨這張圖卻不是那麼容易，更具體的來說機器只能讀取這幅圖的數字特徵 如影象的大小，通道數等 在此我們以每個畫素點的三原色對應的數值作為...
吳恩達深度學習課程筆記
一直以為機器學習的重點在於設計精巧 神秘的演算法來模擬人類解決問題。學了這門課程才明白如何根據實際問題優化 調整模型更為重要。事實上，機器學習所使用的核心演算法幾十年來都沒變過。什麼是機器學習呢？以二類分類監督學習為例，假設我們已經有了一堆訓練資料，每個訓練樣本可以看作n維空間裡的乙個點，那麼機器學...
深度學習（DeepLearning）第一課
深度學習標誌著軟體工程 大資料及人工智慧領域內的重大突破。偽裝成master的alphago連勝人類圍棋冠軍 人臉識別代替密碼支付 多語言間的機器翻譯 計算機理解人類的情感，都和深度學習密切相關。本系列話題將從如下幾個方面展開 新手入門 識別數字 影象分類 詞向量 情感分析 文字序列標註 機器翻譯 ...