機器學習就是計算機用資料來學習。通過給計算機一些資料，讓計算機來學習，之後能夠進行自主計算和判斷。
比如先給計算機一些阿貓阿狗的，並且告訴計算機每張是什麼（也就是標籤），計算機通過這些喂進去的資料來學習。學習完後，計算機就具備自主判斷能力，給計算機一張從未見過的阿貓或者阿狗的，計算機就能夠給打乙個標籤（阿貓？阿狗？）。
而線性回歸是機器學習中乙個很重要的概念。我的理解是把離散的資料，通過乙個函式來擬合，讓離散的資料連續化。然後就可以通過任意的乙個x值來求出**值f(x)。
單變數線性回歸演算法（比如，x代表學歷，f(x)代表收入）：
我們用f(x)這個函式來對映輸入特徵和輸出值
損失函式和梯度下降也是很重要的概念，損失函式來就是**值和真實值之間差距的度量，我理解為**誤差大小。而梯度下降的目的也就是降低損失函式的值。就是讓誤差更小。
在上面線性回歸中，有引數a和b，也就是兩個引數，機器學習的過程就是修改這兩個引數的過程。這兩個引數影響了損失函式的大小，因此梯度下降法來更改引數的同時達到降低loss函式的目的。
首先生成資料
生成後的資料畫個圖：
搭建乙個最簡單的模型：
編譯加訓練：
畫個圖更明顯：（紅線為擬合後）
多變數和單變數的主要區別就是引數數量增加了。
在構造模型時：
除了線性回歸問題，還有一類問題就是邏輯回歸問題，比如乙個阿貓識別系統，做**時輸入一張判斷是不是阿貓，如果是阿貓就輸出1反之為0
當然也可以做多分類問題，比如手寫數字識別
解決二分類問題用sigmoid函式和binary_crossentropy算損失值
多分類問題用softmax函式和category_crossentropy算損失值
二分類：
多分類：
機器學習 Keras 簡例
安裝 pip install keraskeras 有兩個 backend，也就是 keras 基於什麼東西來做運算 keras 的兩個 backend，乙個是 theano，乙個是 tensorflow 每次當我們 import keras 的時候,就會看到螢幕顯示當前使用的 backend im...
學習Keras基礎 模型
keras中文官方文件 深度學習 keras入門 一 之基礎篇 keras有兩種型別的模型，序列模型和函式式模型，函式式模型應用更為廣泛，序貫模型是函式式模型的一種特殊情況。序列模型是多個網路層的線性堆疊，也就是 一條路走到黑 這種模型各層之間是依次順序關係的線性關係。1.1構造模型 增加layer...
機器學習基礎 機器學習基礎引入
機器學習 是人工智慧的核心研究領域之一，其最初的研究動機是為了讓計算機系統具有人的學習能力以便實現人工智慧。事實上，由於 經驗 在計算機系統中主要是以資料的形式存在的，因此機器學習需要設法對資料進行分析，這就使得它逐漸成為智慧型資料分析技術的創新源之一。機器學習是構建複雜系統的一種方法，也許依靠我們...