本文是深度学习期末复习笔记，涵盖矩阵与神经网络、深度学习模型的关系，机器学习与深度学习的区别，点乘与叉乘的概念，深度学习的浅层与深层模型，权重和偏置的线性非线性分析，超参数与训练数据的区别，以及损失函数在预测值与真实值差距中的作用。此外，还涉及数据选择、稀疏矩阵特点及Ax=0与Ax=b的关系。
一.选择判断
（输入值）input*b=lable（结果） 10万数据，进行拆分（时间、顺序）拆分。6w训练集 4万测试集
原：10w个input*b=10w个lable
step1：求x（已知A，b求X）AX=b1。这个b1为真实值（real result）
step2：求b（已知A，X求b） AX=b2。这个b2为预测结果（predict result）
假如在4万测试集里，有4W个结果
-
b2(预测)不等于b(真实值结果)
-
准确率=38000/40000
-
损失函数=1-准确率 损失函数越大，准确率越低。
-
损失函数和预测值和真实结果有关。和训练集、测试集无关。
订阅专栏 解锁全文
扫一扫
5987
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
