吴恩达机器学习day7——神经网络初识
·
从今天开始，由原来的基础机器学习阶段，进入到深度学习阶段。
神经网络最早的动机是用来模仿人的大脑，起源于生物学的动机。但是随着技术和社会的发展，神经网络用于各类工具，比如语音识别、计算机视觉、NLP，研究神经网络的人们已经不再探究模仿生物学动机了，而是使用工程原则去构建更有效的算法。
那为什么深度学习近几年才突然发展起来呢？
这是因为随着我们的数据量越来越多，传统的机器学习比如线性回归已经无法很好地利用如此庞大的数据量，也就是数据再多它的性能也不会有太大的提升了。但是神经网络却能够很好地使用大数据，性能随着神经网络的大小而提升。
神经网络是如何工作的？
例一：需求预测
假设我现在要进行衣服的需求预测，有这四个特征：价铬、营销、市场、材料
看绿色的箭号，实际上从输入层到隐藏层是全连接的，只是会让神经网络自己判断哪些因素比较不重要，然后自动降低这个因素的权重；
你还记得之前特征工程的时候讲到，可以自己根据直觉加新特征，比如加上房子面积x1x2的因素；
但是在神经网络，我们不需要再手动设计特征，网络自己能够根据判断来决定是否要加新特征、加什么特征。
例二：图像识别
就是，讲，给不同的输入数据，神经网络能够自动计算出各种各样的特征。
比如给一个人脸，第一层可能在找垂直或者边缘的线条，第二层可能在找眼睛、第三层可能在合成人脸brabrabra的
没有人告诉网络第一层应该找什么，第二层应该找什么，能自动地进行特征挖掘和计算。
这么厉害的吗？
更多推荐
8
0- 0
已为社区贡献25条内容
所有评论(0)