深度学习总结1

1）开发环境：Anaconda spyder
坑：使用时spyder路径要设置为工作文件夹路径，否则一下库找不到。
python语句空格可视化设置:Tools->perferences->Editor下打开show blank space

2）环境安装pip install mxnet
如果使用jupyter notebook，需要先在命令行切换到工作文件夹后打开jupyter notebook

深度学习更适合于没有模型或者很难取得模型的情况，这种情况下用大数据堆积然后学习到模型。对应已有模型情况下最好使用已有模型。

3）深度学习的线性回归更适合多个输入，每个节点最好为一阶的情况。例如y=kx+b或者y=k1x1+k2x2+…+kmxm+b的情况；
4）例如像kaggle上的房价预测问题就是上述情况。
5）对于像y=ax+bx^2+c*x3+d等此类的如果有确定公式还好，可以模拟生成数据集，否则的话计算会比较差（也不知道是不是数据集不
够，因为通常情况下，这个数据集应该是现场采集的，数据不会那么大。这种情况下，还不如用最小二乘拟合效果好。用scipy的
curve_fit直接拟合效果更好，速度也快。