day2
第二章讲的是神经网络基础，包括机器学习的概念，神经元和多层感知机，激活函数以及神经网络的训练。
2.1 机器学习的基本概念
- 2.1 机器学习的分类：这部分内容介绍了机器学习的分类、机器学习的流程、损失函数以及梯度下降法。
- 1、机器学习的分类这部分内容介绍的是我们在机器学习课程中学过的内容，有监督学习，无监督学习和半监督学习的基本概念。
- 2、机器学习的流程概述由一个电商行业的对服装商品图片类别预测的具体实例来说明机器学习的流程。为了完成类别预测的任务在机器学习中需要以下的步骤：
- 1、提取商品图片的特征：为了让计算机能够准确识别和分类，需要从图片中提取一些特征，比如颜色，风格等等，这个过程就是特征工程。
- 2、建立模型：对提取的特征选择合适的模型进行建模。传统的模型有逻辑回归、
随机森林等。深度学习的方法有多层感知机、卷积神经网络等等。目的是建立输入到标签之间的映射。 - 3、确定损失函数和进行优化求解。通过优化方法调整模型不断减小损失值，从而得到模型最佳的权值。
- 3、常见的损失函数的部分主要介绍了平方差损失函数和交叉熵损失函数的定义。
- 4、梯度下降算法介绍了梯度下降法的原理以及随机梯度下降法和小批量随机梯度下降。