qq_40353662的博客

一、深度学习模型入门1、常见的激活函数二、用Pytorch构建深度学习模型1、深度学习模型框架概览2、PyTorch与其他框架的对比PyTorch:动态计算图Dynamic Computation（像python）Tensorflow:静态计算图Static Computation（像c++）PyTorch代码通俗易懂，非常接近PyTorch原生代码，不会让人感觉是完全在学习一门新的语言。拥有Facebook支持，社区活跃。3、PyTorch可以做什么？PyTorch可以定义神经网络，

数据种类回归偏置就是与y轴的交点，权重就是斜率。最小二乘法预测值和观测值差值的平方和。判断拟合好坏模型越好，SSres越接近于0，R^2越接近于1，越好。一般不采用加自变量的方法，因为会使模型变复杂。...

机器学习从数学的角度分析，就把这个模型看成一个简单的函数y=f(x)，f(x)=wx+b，学习就是已经有大量的数据x和y，要求w和b到底是什么东西，有了这个w和b之后，下次来了一个未知的x，我们就可以通过这个公式之后，就可以知道y是什么东西了。回归问题可以看做是在一个区间段连续分类的情况，而分类问题就是有没有，是不是的问题。深度学习机器学习与统计学...

我们想把蓝色点和红色点分开，有很多种分开方式，但是SVM要那个最好的。但是什么是最好的呢？我们可以想象，找一条马路，将这两类点分开，而且这条马路越宽越好，最宽的那条马路就是最好的。但是为什么叫支持向量呢？我们可以把每个点看做是从原点出发的向量，终点是分界平面上的每个点。这个模型就是支持向量机。下面从支持向量机和逻辑回归损失函数角度分析它们的区别从边界来看右边的边界分得更宽一些，符合SVM模型。逻辑回归尝试将所有点远离边界；支持向量机尝试将支持向量推得更开。加了两个异常点后的效果逻

一、深度学习模型入门分类问题的基本模型如下

1、安装Jupyter的安装可以参考下面这个博客，写的很好。https://blog.youkuaiyun.com/yu1014745867/article/details/841914852、Jupyter支持两种模式1、编辑模式(Enter)命令模式下，回车Enter或者鼠标双击cell进入编辑模式。可以操作cell内文本或代码，剪切/复制/粘贴移动等操作。2、命令模式（Esc)按Esc退出编辑，进入命令模式。可以操作cell单元本身进行剪切/复制/粘贴/移动等操作。3、鼠标操作4、快捷键操

第一章 概述1.机器学习定义2.机器学习与人工智能的区别人工智能是最初始的理论体系，是一门科学。机器学习是人工智能的计算方法，包含Logistic，SVM，决策树，贝叶斯方法等。表示学习是机器学习中研究如何得到一个好的表示，从而使后续的模型学习更容易，浅层自编码机就是其中的一种方法。深度学习目前我们进行大数据机器学习的主要方法，多层感知机就是深度学习的一种，还包括卷积神经网络，深度循环网络，深度Q网络等。3.深度学习方法和其它人工智能方法的共性和差异人工智能可以大致分为3种学习方法一种

一种训练集一种算法2.1评估方法【训练集验证集与测试集】testing set测试集的保留方法1.留出法要注意训练集与测试集同分布或者进行多次随机划分，训练出多个模型，最后取平均值2.交叉验证法k折交叉验证缺点：数据量较大时，对算力要求较高。3.自助法原理：即通过自助采样，初始数据集D中约有36.8%的样本未出现在采样数据集D’中。于是我们可以将D’用作训练集，D\D’用作测试集；这样，实际评估的模型与适用：1.数据及较小，难以划分的时候2.缺点是改变初始数据集分布，会引入估计偏差。.