用统计学的方法解释不同事件的先验概率和后验概率的量化关系计算问题。
- 神经网络就是一种算法体系，由生物神经细胞启发而来。
- 神经元：线性模型和激励函数组成。 最简单的神经元一个输入，一个输出。
- Loss(w, b),拟合和真实观测的差异之和是残差。要残差尽可能小。
- 激励函数：用于加入非线性因素
- Sigmoid函数
- Tanh函数,双曲正切函数
- ReLU函数， rectified linear units, y=max(x, 0)
- Linear函数
- 神经网络层：
- 输入层：只接收数据，不做处理。通常不计入层数
- 输出层：输出整个网络处理值
- 神经网络的层数，不计算输入层，隐藏层和输出层加起来。