1、机器学习与深度学习

1、人工智能、机器学习、深度学习关系

2、几个经典机器学习算法

机器学习算法：一般是基于数学，或者统计学的方法，具有很强的可解释性。

KNN：k最近邻居（k-Nearest Neighbors)

一种监督学习算法，用于分类和回归问题。它的基本思想是通过测量不同数据点之间的距离来进行预测。KNN的工作原理可以概括为以下几个步骤：

   1、距离度量：KNN使用距离度量（通常是欧式距离）来衡量数据点之间的相似性

   2、确定邻居数量K

   3、投票机制

决策树：

朴素贝叶斯：后验，先知道结果再往前推导

3、深度学习

机器学习，具有数学上的 可解释性，但准确率不是 百分百，且不灵活

深度学习：设计一个很深的网络架构让机器自己学

“深度学习就是找一个函数F”

常见的数据输入形式：向量        矩阵/张量        序列

输出（任务类别）

回归任务（填空题）      分类任务（选择题）       生成任务（结构化）（简答题）

分类和回归是结构化的基础。

回归与神经元

如何开始深度学习

让w变小