Step by step

作为入门深度学习的好书：Deep Learning，这里记录一下自己阅读学习过程中一些重要的地方！表示学习 一般机器学习的任务是提取特征集，利用特征集来进行训练分类。但是对于许多任务来说，很难知道应该提取哪些特征。解决这个问题的一个途径是使用机器学习来发现表示本身，这种方法称为 表示学习算法，它能够帮助发现一个很好的特征集。 深度学习引入 当设计特征或学习特征的算法时，我们的目标通常是分离出

线性组合与生成子空间

因为看过数据挖据导论过来的，所以本章阅读略过了一些章节！随机梯度下降 通常大多数深度学习算法涉及到某种形式的优化。优化是指改变xx以最大化或最小化某个函数f(x)f(x)的任务。当我们对目标函数进行最小化时，我们也称之为代价函数，损失函数或误差函数。 而f′(x)f^{'}(x) 给出了原函数f(x)f(x)的变化规律，可以根f′(x)f^{'}(x)来判断我们需要如何对xx 进行变化

overall实际应用的深度学习核心：参数化函数近似技术深度前馈网络引言 也叫前馈神经网络 或者 多层感知器（MLP），是典型的深度学习模型！ 前馈网络的目标：近似某个函数 f∗f^*。 前向（feedforward）：是因为信息流过xx 的函数，流经用于定义ff 的中间计算过程，最终到达输出 yy； 前馈神经网络被称作网络是因为它们由许多不同函数复合在一起表示，该模型与一个有

前言 机器学习中的核心问题：模型的设计不仅在训练数据上表现好，并且能在新输入上泛化好； 正则化策略：以增大训练误差为代价，来减少测试误差（如果在训练误差上很小，可能出现过拟合的情况）； 最好的拟合模型（最小化泛化误差的意义上）是一个适当正则化的大型模型； 偷懒中。。。

相关资源 原论文地址：here 论文中使用的深度生存分析库：DeepSurv，是基于Theano 和 Lasagne库实现的，支持训练网络模型，预测等功能。 考虑到DeepSurv库中存在着一些错误以及未实现的功能，博主使用目前主流的深度学习框架Tensorflow实现了深度生存分析库：TFDeepSurv。欢迎有兴趣的同学Star和Fork，指出错误，相互交流！ TFDeepSurv简介

相关资源 原论文地址：here 论文中使用的深度生存分析库：DeepSurv，是基于Theano 和 Lasagne库实现的，支持训练网络模型，预测等功能。 考虑到DeepSurv库中存在着一些错误以及未实现的功能，博主使用目前主流的深度学习框架Tensorflow实现了深度生存分析库：TFDeepSurv。欢迎有兴趣的同学Star和Fork，指出错误，相互交流！ TFDeepSurv简介...