深度学习——速问速答
第一遍：直接陈述
第二遍：查看笔记
第三遍：对照答案
第四遍：总结背诵
1.机器学习的本质?
e1
机器学习主要有两类任务：分类任务和回归任务。二者都是对函数的拟合。分类任务中拟合函数将数据集分开，回归任务对数据的分布进行拟合，寻找函数关系用于预测。
e3
机器学习的本质简单说，就是通过计算机来寻找一个函数，这个函数在你给特定输入的时候可以得到想要的输出。
比如语音识别输入音频得到文字，比如识别任务输入图片输出物体类别和定位信息，比如房价预测输入时间输出这个时间的预测价
寻找的过程叫训练，函数称作模型。
e4
机器学习本质简单说就是通过计算机寻找一个函数，在你输入特定数据的时候得到特定的输出。比如语音识别，输入语音输出文字，房价预测输入未来某个时间输出房子预测价。
寻找函数的过程叫训练，函数叫模型。
一般主要分为两大类：分类任务和回归任务。
2.机器学习是如何学习的？
e1
机器学习进行函数拟合
深度学习：
数据预处理——输入——多层隐藏层：多元线性回归+激活函数——输出——回归直接输出，分类加softmax
e3
第一：定义一个机器学习模型
第二：定义一个损失函数，用于描述真实值和预测值的差距
第三：调整参数，使损失最低
e4
模型+损失函数+调优
模型方面：多元线性回归、逻辑回归等等
损失函数：MSE
调优：梯度下降法调整参数