問題（模型引數w）
訓練(不斷訓練引數w的取值)
模型（得到模型）
分類/判別
結果deep learning是一種實現機器學習的技術，是機器學習重要的分支。其源於人工神經網路的研究。深度學習模型結構是一種含多隱層的神經網路。通過組合底層特稱形成更加抽象的高層特徵。
資料集的定義
資料集在數學上通常表示為的形式:。
tips:通俗的點解釋，相當於乙隻寶可夢有多種屬性，每個屬性有對應的特徵值。
類別標籤的ground truth與gold standard
ground truth: 表示通過直接觀察收集到的真實結果。留出法（ hold‐out method ）：
將資料隨機分為兩組，一組做為訓練集，一組做為測試集
利用訓練集訓練分類器，然後利用測試集評估模型，記錄最後的分類準確率為此分類器的效能指標
優點：劃分簡單。缺點：在測試集上的**效能的高低與資料集拆分情況有很大的關係。
k折交叉驗證
分層抽樣策略（stratified k‐fold）
用網格搜尋來調超引數（二）
確定評價指標
對於超引數取值的每種組合，在訓練集上使用交叉驗證的方法求得其k次評價的效能均值；
最後，比較哪種超引數取值組合的效能最好，從而得到最優超引數的取值組合。
-均方根差rmse: 是mse的平方根
假設兩評委（rater）對5部電影的評分如下，則二者的一致如何？
rater1 = [0.5, 1.6, 2.5, 2.5, 2.4]
rater2 = [1.5, 2.6, 3.5, 3.5, 3.4]
取值區間為[‐1，1]。‐1: 完全的負相關，+1: 表示完全的正相關，0:沒有線性相關
深度學習概述
深度學習概述 1.深度學習定義 深度學習 deep learning 起源於人工神經網路，它的定義 通過組合低層特徵形成更加抽象的高層特徵或類別，從而從大量的輸入資料中學習有效特徵表示，並把這些特徵用於分類 回歸和資訊檢索的一種技術。何謂為深度 網路學習得到的函式中，非線性運算組合水平的數量。2深度...
深度學習概述
rnn,recurrent neural network,迴圈神經網路。在rnn中，神經元的輸出可以在下乙個時間戳直接作用到自身，即第i層神經元在m時刻的輸入，除了 i 1 層神經元在該時刻的輸出外，還包括其自身在 m 1 時刻的輸出。適用場景 自然語言處理 語音識別 手寫體識別等。因為樣本出現的時...
深度學習概述
part 5 深度學習的應用 part 6 總結與展望 文章 常虹，山世光.深度學習概述 j 資訊科技快報.深度學習是相對於svm knn gradient boost等淺層學習演算法而言的。深度是指乙個流向圖 flow graph 從輸入到輸出所走的最長的路徑。例如svm深度為2，第一層是核輸出或...