24、深度学习入门：原理、框架与神经网络架构

深度学习入门：原理、框架与神经网络架构

1. 回归曲线与数据分析基础

在数据分析中，回归曲线是一种重要的工具，用于展示数据的趋势和关系。通常，我们会用不同颜色来区分不同类型的回归曲线。例如，线性回归曲线用蓝色表示（呈现为直线），二次多项式回归曲线用红色表示（向上凹的抛物线），三次多项式回归曲线用绿色表示。

这些回归曲线从训练集开始会产生截然不同的趋势，它们在解决回归和分类问题中发挥着重要作用。通过实际的例子，我们可以更直观地理解预测模型验证阶段的许多概念。

2. 人工智能、机器学习与深度学习的关系

2.1 概念定义

• 人工智能（AI） ：1956 年，John McCarthy 首次使用了“人工智能”这个术语。当时，电子学和计算机刚刚起步，计算机体积庞大，但能高效快速地完成一些简单计算。如今，人工智能可以简要概括为：计算机能够自动执行那些似乎只与人类智能相关的操作。随着机器的进步和“人类专属相关性”概念的变化，人工智能的概念也在不断演变。从 60、70 年代计算机解决复杂数学问题的能力，到 80、90 年代评估风险、资源和决策的能力，再到 2000 年具备机器学习的能力，以及近年来专注于视觉和听觉识别操作，如图像识别、物体检测、物体分割、语言翻译、自然语言理解和语音识别等。
• 机器学习（ML） ：机器学习是人工智能的一个重要分支。它利用各种技术和算法，通过能够学习的系统（学习系统）来解决那些不久前还被认为是“人类专属”的问题。在之前的实践中，我们已经看到了许多机器学习用于数据分类和预测的例子。