神经网络与深度学习（邱锡鹏）-学习笔记_深度学习是指一类模型吗

神经网络与深度学习

第一章 绪论

第二章 机器学习概述

第三章 线性模型

1. 深度学习是机器学习的一个分支，是指一类问题以及解决这类问题的方法。人工神经网络，也简称神经网络，是一种受人脑神经系统的工作方式启发而构造的一种数学模型。在机器学习领域，神经网络是指由很多人工神经元构成的网络结构模型，这些人工神经元之间的连接强度是可学习的参数。
2. 深度学习所要解决的问题是贡献度分配问题，而神经网络恰好是解决这个问题的有效模型。
3. 损失函数是一个非负实数函数，用来量化模型预测和真实标签之间的差异。
4. 线性回归是机器学习和统计学中最基础和广泛应用的模型，是一种对自变量和因变量之间关系进行建模的回归分析。
5. 计算学习理论是关于机器学习的理论基础，其中最基础的理论就是可能近似正确学习理论。
6. 机器学习算法虽然种类繁多，但其中三个基本的要素为：模型、学习准则、优化算法。目前机器学习中最主流的一类方法是统计学习方法，将机器学习问题看作是统计推断问题，并且又可以进一步分为频率学派和贝叶斯学派。
7. 线性模型是机器学习中应用最广泛的模型，指通过样本特征的线性组合来进行预测的模型。一个线性分类模型或线性分类器，是由一个（或多个）线性的判别函数 f(x; w) =wTx + b和非线性的决策函数g(·)组成。
8. Logistic回归是一种概率模型，其通过使用Logistic函数来将一个实数值映射到 [0, 1]