-
目录
????????机械学习
-
机械学习
- 机器学习(Machine Learning, ML)，顾名思义，就是让机器去学习。这里，机器指的是计算机，是算法运行的物理载体，我们也可以把各种算法本身当做一个有输入和输出的机器。那么到底让计算机去学习什么呢？对于一个任务，设计一种算法，让算法能够提取数据中蕴含的规律，通过利用数据，训练出模型，然后使用模型预测的一种方法，这就叫机器学习。如果输入机器的数据是带有标签的，就称作有监督学习。如果数据是无标签的，就是无监督学习。
- 回归与分类
-
定量输出称为回归，或者说是连续变量预测；
定性输出称为分类，或者说是离散变量预测。
-
回归分析
-
回归分析常用于分析两个变量X和Y 之间的关系。（线性回归）
-
选择合适的线性模型去匹配数据，最常用的是f(x)=ax+b。
-
损失函数：两个用以评价模型优劣程度的方法。
-
l当找到这个公式的最小值时，就能得到最优的a,b. 而这对(a,b)就是能最好描述数据关系的模型参数。
-
?
-
分类分析
-
sigmoid函数，更适合处理分类问题的非线性函数，同样调整用到损失函数
-
网络搭建
1.全连接层
每个内容都与下一层有对接，但不一定有逻辑上的联系
2.卷积层
由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法最佳化得到的。卷积运算的目的是提取输入的不同特征。
3.池化层
缩小数据内容，也是特征提取
4.激活函数
就是在人工神经网络的神经元上运行的函数，负责将神经元的输入映射到输出端
5.BN操作?
将数据放缩至合适的范围，加快训练速度