李宏毅机器学习课程笔记
【Task01：机器学习介绍】
kaggle应用(http://www.kaggle.com/)，作业
一、应用场景：
1.1语音识别
1.2图像识别
二、功能
2.1回归：输出一个数值
2.2分类：准备好类别（准备的选项不止一类），输出为类别的一类
类似于go围棋评估下一步放在哪个位置（每个没有落子的位置都是选项）
2.3结构学习（structure learning）：输出有结构化的对象（创造文章、图片等）
三、机器如何找function（训练数据）
3.1第一步：先猜测出带有未知数的一个function（基于对预测问题的了解）
3.2第二步：定义损失函数（基于训练数据得出）
损失：通过模型预测的数据与实际数据的差距
计算每个数据误差的公式（举例）：
计算所有误差之和评估模型好坏：
Err surface:参数误差图
3.3第三步：optimization最优化（找出最好的参数）——梯度下降法
①随机选取初始点
②计算该点的切线斜率（微分），如果斜率为负值，则增加w，斜率为正值，减小w（增加或减小的幅度被称为学习的速率：
）附：超参数：自己设置的值
③经过学习后，更新w，直到找到最小loss或者到达你设定的学习次数。
如果两个参数就类似于一个向量的更新。