摘要： 1. 非监督学习 监督学习有数据有标签，目的是学习数据和标签之间的映射关系。而无监督学习只有数据，没有标签，目的是学习数据额隐藏结构。 2. 生成模型（Generative Models） 已知训练数据，根据训练数据的分布（distribution）生成新的样例。 无监督学习中的一个核心问题是估计分 阅读全文

摘要： 这一节课很零碎。 1. 神经网络到底在干嘛？ 浅层的是具体的特征（比如边、角、色块等），高层的更抽象，最后的全连接层是把图片编码成一维向量然后和每一类标签作比较。如果直接把图片和标签做像素级的最近领域分类，误差很大，但是转成编码之后就准多了。 可以用PCA可视化最后一层的特征，深度学习领域更高阶的做 阅读全文