摘要：
现有一系列因变量 x0,x1,x2,⋯,xn，和一系列未知参数 θ ， logistics 函数可以表示为（可能性）： （sigmoid函数） 这个函数最基础的部分： θTX，参数点积自变量。计算某事发生的可能性，将跟事件有关的特征加权求和。 这个求和的结果在，为了能得到一个概率预测值，将结果映射到 阅读全文
摘要：
目标函数是最小化损失函数： 损失函数：，损失函数越小，拟合的越好。 风险函数：是损失函数的期望，输入与输出遵循联合分布，但是分布未知。可以用训练集来参考，训练集的平均损失成为经验风险，即,最小化经验风险函数； 结构风险函数： 最小化经验风险函数导致过拟合，这时候就需要结构风险最小化。用一个函数来度量 阅读全文
摘要：
深度学习采用神经网络解决线性不可分的问题。既然是深度学习，就是包含多个隐层。 觉得知乎大神说了一段很有意思的话： 1.初恋期。相当于深度学习的输入层。别人吸引你，肯定是有很多因素，比如：身高，身材，脸蛋，学历，性格等等，这些都是输入层的参数，对每个人来说权重可能都不一样。 2.热恋期。我们就让它对应 阅读全文