深度学习基础Linux命令和conda的使用

K近邻

神经网络中数据格式结构化数据：数据表。例如：班级名单、股票价格等。非结构化数据：序列（文本）、图片、视频。神经网络中可以使用的数据：数据表-2D数据 形状=（样本数，特征数）序列类-3D数据 形状=（样本数，步长，特征数）图像类-4D数据 形状=（样本数，宽，高，通道数）视频类-5D数据 形状=（样本数，帧数，宽，高，通道数）数据表：2D数据，其实就是矩阵，一般可以存储为csv或者excel序列类

单层神经网络：可视为一个线性模型经典RNN网络：依赖于上一层RNN变体（NV1）:多个输入，一个输出RNN变体（1VN):一个输入多个输出RNN的变体（NVN）:多个输入多个输出（需要对齐）seq2seq模型由三部分组成：Encoder/Decoder和连接俩个的中间状态向量（c）Encoder部分：...

分类问题指标评估

1.1 深度学习在各个领域的应用目前较为热门的GAN（生成式对抗网络）1.2 CTR任务一、当深度学习遇到CTR预估CTR任务：给定一个商品，给定一个环境，用户购买此商品的概率。应用范围较广。例如有如下场景。比如：输入一部电影，预测会打几分（右边的1，2，3，4，5代表预测分值）蓝色框：用户橙色框：电影黄色框：用户过去看过那些电影，大国那些分数绿色框：时间酒红框：相关特征CTR任务特点：大量离散特

深度学习基础（激活函数、损失函数、过拟合和欠拟合）

（2）安装插件后，打开 WPS，菜单栏会新增“OfficeAI 助手”4.接入DeepSeek。不过现在不能免费使用了哦。

链接：https://pan.baidu.com/s/1mq3SJmRULsXnsml-JWLxgw提取码：6y3y

目录1. 神经网络发展史反向传播2.线性模型规则需要专业领域专家制定，规则越来越强大，难以维护。新的挑战：人工设置特征会有很多限制；SVM处理大数据集效果不好；越来越多的数据需要处理非结构化数据；1. 神经网络发展史反向传播深度学习发展的原因：算法、数据、显卡2.线性模型问题假设：测试集测试其泛化能力（对于为训练的特征也能很好的识别）。数据集（训练集、测试集）---->问题：只有训练集，测.