《深度学习和机器学习》吴恩达 ——学习笔记（一）

（一） 概论

---

本文为作者学习笔记，转载请注明出处

---

视频教程来源：deeplearning.ai 吴恩达 深度学习视频教程
http://mooc.study.163.com/smartSpec/detail/1001319001.htm

第一周10道选择题参考博客：
http://blog.csdn.net/u013108511/article/details/78978618

---

1、什么是神经网络

• 神经网络（neural network）:一种强大的模拟人类大脑工作机制的学习算法

分为: single neural network(单一神经网络)和multiple neural network(多层神经网络)

以预测房产价格为例：

（1） single neural network：只根据单一变量进行预测；
输入房子的大小x，则根据预测关系直接得出预测价格y。

（2） multiple neural network：考虑多个影响因素时对房屋价格的预测；
输入房子的大小x1、房间数量x2、邮编x3（有些国家的邮编反应了所包括的地区的经济情况）、富裕程度x4，根据这四个属性的输入值来预测房屋价格y。
从输入层到最终的结果之间，神经网络可能会产生若干个hidden unit，这些神经元可能并不具有现实意义，不能指代某一具体属性。

---

2、用神经网络进行监督学习

在监督学习中，给出数据集后，能够知道正确的输出结果应该是什么样子的，知道输入和输出数据之间的关系。
在监督学习中，通常把问题分为两类：regression（回归）和classification（分类）。
一些监督学习的例子：

一些结构化和非结构化数据举例

---

3、深度学习为什么会兴起

两方面因素决定：

• 能够训练处大型的神经网络
• 能够获取大量的标记数据

一个神经网络的训练过程是迭代进行的，从idea出发，到写出code，从而得到experiment，而最后又由experiment去修正idea。因此，训练过程是十分耗时的。