李哥项目班–学习part01

深度学习是什么，深度学习和机器学习、AI三者之间的关系？？首先我先回答这三者这件的关系，从范围上来看是AI > 机器学习 > 深度学习，如下面的图片：

第一点：机器学习是什么？

机器学习：基于数学或者统计学的方法，具有很强的可解释性。

如下有三个例子：

• KNN:一种监督学习算法，用于分类和回归问题。它的工作原理如下

1. 距离度量（一般是欧氏距离）
2. 确定邻居数量K
3. 投票机制

• 决策树

• 朴素贝叶斯

深度学习是什么？

设计一个很深的网络架构让机器自己学习，换句话来说就是找函数f

• 常见的神经网络的输入一般有三种数据形式
  1. 向量：身高 体重 财富 -> (100,50,-120)
  2. 矩阵/张量：例如色素块的ROG三个值，对应三个所谓的矩阵
  3. 序列：文字 视频 …
• 我们想要的输出一般也有下面几种：
  1. 回归任务： such as：根据以前的温度推测明天的温度大概有多少度
  2. 分类任务：图片里的宠物是猫 or 狗 / 句子是积极的 or 消极的
  3. 生成任务(结构化)：代码填充 / 识别视频内容

深度学习任务：分类和回归是结构化的基础， 分类时是用数字来表示类别的，有时候需要多个模态的数据。

回归和神经元

深度学习需要数据的原因就是需要从数据中找到函数

如何从数据中找到函数呢？

一共下面三个步骤：先定义函数，再定义合适的损失函数，最后根据损失对原函数进行优化。

x（数据）	y（标签）
1	3.1
2	5.1
3	6.9
4	8.7
5	10.8
6	13.5
7	?

• first step:定义函数，经观察可知是线性模型。

$$y=wx+b$$

线性模型：y表示预测值，w表示权重，b表示偏差。

• second step: 举例，损失函数，LOSS函数有很多，作用是判断我们选择这组参数怎么样

假如w=3，b=2:

• third step: 优化，下图：梯度下降

$$w^{\ast },b^{\ast }=argmi{n}_w,mi{n}_{b}L$$


优秀笔记