zhangxue1232的博客

一、图像分类目标：图像分类问题，就是对已有固定的分类标签集合，然后对于输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配该输入图像。例如：一只猫，人眼很容易分辨出来，但计算机如何去识别，可以把猫看成一类标签，把狗看成一类标签。对于输入的图像，图像分类模型读取该图片，并生成该图片属于集合{cat, dog, hat, mug}中各个标签的概率。猫的图像大小是宽248像素，高400像素，有3个颜色通道，分别是红、绿和蓝（简称RGB）。如此，该图像就包含了248X400X3=29760.

机器学习和计算机视觉是人工智能的更大研究领域深度学习是机器学习的一个子集，它与计算机视觉相交，并且属于更大的AI领域。这节课重点讲解深度学习与计算机视觉的交叉部分。人工智能是个非常成功的研究领域。养了一只猫和一只电极，电极进入猫的大脑，进入猫的视觉表层，处理视觉数据的头部后面部分。电极：能够记录神经元的一些活动。猫的视觉皮层中的单个神经元，他们使用怪异的实验装置让猫看电视，不是真正的电视，是各种各样的幻灯片，假设大脑中有某些神经元做...

1.监督学习：监督学习分为两大类回归问题和分类问题。由已有的数据训练模型函数，把新的输入数据带入模型函数，预测数据输出。函数的输出若为一个连续的值，则为回归问题；若是预测一个分类标签，则为分类问题。例：糖尿病  无监督学习：聚类算法。根据特征把未知类别进行分类。例：新闻事件分类，细分市场。2.代价函数：又叫损失函数。任何能够衡量模型预测出来的值h(θ)与真实值y之间的差异的函数都可以叫做代...

1.线性回归：回归用于预测输入变量和输出变量之间的关系，回归模型是表示输入变量到输出变量之间映射的函数。    回归分析中，只包含一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量是线性关系，则称为多元线性回归分析。  (1)一元回归：y = ax + b            （2...

1.逻辑回归：逻辑回归输出可以是连续的，但一般是离散的，即只有有限多个输出。例如，其值域可以只有两个值{0, 1}，这两个值可以表示对样本的某种分类，高/低、患病/健康、阴性/阳性等，这就是最常见的二分类逻辑回归。因此，从整体上来说，通过逻辑回归模型，我们将在整个实数范围上的x映射到了有限个点上，这样就实现了对x的分类。因此每次拿过来一个x，经过逻辑回归分析，就可以将它归入某一类y中。   逻...