第一章.机器学习基本概念

1.1 第一章.机器学习基本概念

机器学习的本质就是：寻找一个函数。

1.不同种类的函数

1).Regression：The function outputs a scalar

说明:根据今天的PM2.5的一些参数来预测明天PM2.5值

2).Classification:Given option(classes),the function outputs the correct one.

说明:分类邮件是否为垃圾邮件。分类问题可以有两个及两个以上的选项

3).Structed Learning:Creact something with struction(image,document)

说明:创造一个结构

2.寻找这个函数的方法：

1).写出一个带有未知参数的函数：

·以YouTube当天的点阅量为例：：

·y=f(
)；
简写成： y=b+wx1

参数说明：
y:预测值-明天的点阅量
x：输入参数值-今天的点阅量
w：未知的参数，权重(weight)
b：未知的参数，偏置(bias)

2).定义一个训练数据集的损失函数：：

·L(0.5k,1) y=b+wx1—>y=0.5k+1x1

·图像说明：通过2017/01/01日的点阅量(4.8k)来预测2017/01/02的点阅量，在与实际的点阅量(4.9k)做差，误差值记为e1，分别计算3年的误差，计算所有误差值的均值，即为Loss值

·两种loss是计算方式：

3).解决一个最佳化的问题：

·w*,b*=arg min(w,b)L：
·假设我们只考虑一个参数：w*=arg min(w)L，带入不同的w，得到不同的w，曲线如下：

·不断更新w值：


·结果

3.激活函数：

1).Sigmoid 函数：

参数说明：通过调整w，b参数创建不同的曲线

·function：

··更有弹性的函数：

··实例：

··简化成矩阵：

··简洁的表示方法：

·Loss：

·Optimization of New Model：

2).ReLU 函数：

··函数：

4.深度学习的概念：