深度学习是机器学习一个子集利用多层神经网络从大量数据中进行学习。值得一提机器学习与传统系统不同在机器学习是由答案和数据得出规则而传统系统则是由规则和数据得出答案。我了解到几个经典传统机器学习算法KNN决策树朴素贝叶斯KNNK-Nearest NeighborsK最近邻居这是一种监督学习算法用于分类和回归问题基本思想是通过测量不同数据点之间距离来预测。工作步骤距离度量确定邻居数量K投票机制。决策树形似二叉树左0右1进行判断朴素贝叶斯我理解的是发生的概率比上所有可能发生概率求和神经网络的输入与输出神经网络输入向量矩阵/张量序列前后连续神经网络输出回归任务填空分类任务选择生成任务结构化深度学习任务分类和回归是结构化的基础结构化学习包括分类与回归。如何开始深度学习哪step1.定义一个函数modelstep2.定义一个合适的损失函数lossstep3.根据损失对模型进行优化egstep1.根据数据feature和标签label预测一个modelywxb一种线性模型权值weight与偏差bias为未知参数。step2.Loss l(w,b)ℓy-yℓℓwxb-yℓL1/N(∑l)step3.Optimization随机选择一个wº计算w为wº时l对w求偏导根据η超参数更新w值w¹wº-η(w为wº时l对w求偏导)。补充若有torch框架可以自动计算