机器学习与深度学习2 目录 p 机器学习的基础 p 神经元网络 p 深层神经元网络 p 延伸和应用 p 深层学习实现架构 p 未来和思考3 小学生解方程 a3+b=10 a8+b=30 a=? b=?4 高中， 大学 - 矩阵，矢量5 线性回归及分类 机器学习背景 Y 是一个N 维向量 X T 是一转置矩阵N*(p+1) 是 一个p+1 的向量 线性回归: ， 给定X, 和Y, 计算 以最佳匹 配X,Y 的关系。 Np+1 。 即为线性回归模型的 参数。 k 表明对应的维度，X k 的重要性 什么为最佳匹配？6 参数估计方法一： 最小化误差平方和 机器学习背景7 正则化 L 2 (Ridge) Regularization 限制参数的大小 ， 以避免过拟合8 正则化 L 1 Regularization (Lasso) 限制参数的大小 ， 以避免过拟合 Noclosedformfor9 逻辑回归 j G10 逻辑回归 - 参数训练 j G 训练目标函数：最大似然对数概率 牛顿迭代：11 目录 p 机器学习的基础 p 神经元网络 p 深层神经元网络 p 延伸和应用 p 深层学习实现架构
