機器學習–擬人
有監督的機器學習
多元線性回歸
回歸/**
邏輯回歸
分類**
非線性的演算法，非線性的演算法可以來解決更加複雜的問題
神經網路演算法也是後面深度學習的時候的基礎
ann artificial neural network
mlp multiple layer percepton
cnn rnn
q：神經網路需要考慮的基本要素有哪些？
a：1，啟用函式的選擇，對應神經元裡面的邏輯，兩部分，相乘相加和非線性的變化，相乘相加是固定不變的
非線性的變化可以有很多選擇，根據效果來
2，網路拓撲結構，處理更加複雜的問題，就需要更多的網路層，就需要每層上面設定更多的人工神經元
3，在去求解神經網路模型的時候，w0…wn，選擇什麼樣優化演算法，sgd一樣適用！
q：啟用函式有哪些？
a：1，sigmoid函式，0到1之間 2，tangent函式，-1到1之間 3，relu函式，max(0,x)
q：神經網路演算法的隱藏層意義何在？
a：1，如果有隱藏層的話，就多了推理有演繹的能力
2，每多乙個隱藏層，推理和演繹的過程更多，考慮的更深入
3，隱藏層的隱藏節點如果比之前的層上面的節點數要多，相當於進行了公升維，考慮的因素更多，考慮的更全面
4，隱藏層的隱藏節點如果比之前的層上面的節點數要少，相當於進行了降維，去前面進行了歸納總結
機器學習理論與實踐 05 神經網路（2）含BP演算法
在多分類問題中，如果有k種分類，最後輸出的是乙個k維向量 同時根據邏輯回歸的損失函式給出多分類問題的損失函式如 中所示 正則化項是對所有層涉及的 值的平方和 不包含下角標為0的項 在上面的多分類問題中，根據前面學習的經驗，無論是什麼優化演算法，如梯度下降法，都需要計算出損失函式對於每乙個 值的偏導數...
機器學習理論與實踐 05 神經網路（1）
神經網路十分適用於解決複雜的非線性分類問題，因為前面所學的邏輯回歸在解決非線性問題上愈發複雜。神經網路的歷史此處略過不提，他主要是要模擬大腦的功能，並從簡單的乙個神經元開始分析。對於乙個簡單的模型來說，第乙個標 部分 神經元接收來自n個其他神經元傳遞過來的輸入訊號，這些輸入訊號通過帶權重的連線進行傳...
機器學習 BP神經網路模型
bp back propagation 網路是1986年由rumelhart和mccelland為首的科學家小組提出，是一種按誤差逆傳播演算法訓練的多層前饋網路，是目前應用最廣泛的神經網路模型之一。bp網路能學習和存貯大量的輸入 輸出模式對映關係，而無需事前揭示描述這種對映關係的數學方程。它的學習規...