深度學習是機器學習的分支，要學深度學習，首先要知道機器學習。
1、模型是機器學習的最終輸出結果。
2、機器學習是依賴模型自身獲得引數而非依賴人，通過訓練資料去找模型解決問題。
3、針對某類問題，如果人能夠很容易地解決，那我們直接使用大腦中解決辦法所遵循的規則無非是極好的，難的是如何把這些規則抽象為計算機能夠理解的模型。
4、機器學習建立模型的核心思想是在不容易建立公式和規則的情況下，使用訓練的資料「通過合適的演算法構建出乙個模型」。
5、獲得足夠的反映行業特性的無偏訓練資料對於機器學習演算法至關重要。
6、確保模型在訓練集和**集上效果一致的過程被稱為「泛化」。乙個機器學習模型的成功很大程度上依賴於泛化是否成功。
7、資料報含雜訊，一些離群的點會擾亂分類邊界，而機器學習考慮所有的資料，如果認為訓練資料中的每乙個元素都是正確的，並且用它們去精確擬合模型，那麼將得到乙個低泛化的模型，也就是過擬合。
8、正則化和驗證是兩種處理過擬合的典型方法。其中驗證是指保留一部分訓練資料（該部分資料未用於訓練）用於觀察模型的效能。根據經驗，訓練集和驗證集的比例為8:2。
9、通過交叉驗證訓練出不同的模型，按照各模型權重得到最終模型。
10、依據訓練方法的不同，可以將它們分成三種型別：監督學習（訓練資料有輸入和對應的正確輸出）、無監督學習（訓練資料有輸入無輸出，通常應用於對資料分類預處理，比如聚類）以及強化學習（訓練資料有輸入、輸出以及輸出的等級）。
11、分類和回歸是監督學習中最常見的倆種，其中回歸是**資料的趨勢，是估計乙個值，比如根據某個年齡來估計收入的模型。
深度學習筆記（1）
4深度學習基礎 5流程6應用場景 7參考文獻 最近學習深度學習的基礎，這裡主要是將一些了解的概念和資料做了一下總結，方便查閱。最近隨著人工智慧這個概念的發展，並且作為國家戰略發展方向，機器學習，深度學習的概念也變得很火，許許多多的程式設計師都開始往這個方向發展，不過，還需要一些基礎才行。深度學習的概...
深度學習筆記總結 1
針對深度學習基礎部分，有必要惡補一些吳恩達的深度學習課程，其實晚上有很多總結和筆記，本系列文章是針對黃海廣大佬整理的 深度學習課程筆記 v5.47 的總結和自己的理解，以便加深印象和複習。下面是邏輯回歸的輸出函式 損失函式又叫做誤差函式，用來衡量演算法的運 況，loss function 通過這個?...
深度學習研究草稿筆記（1）
from tensorflow.models.rnn import rnn改為 import tensorflow.contrib.rnn as rnn rnn.rnn cell,inputs,initial state self.initial state 改為 rnn.static rnn ce...