Andrew Ng发布了新课程,业界评价很好。在看的过程中非常不错,我把一些重要的知识和要点进行了总结和记录。
对于神经网络的定义很复杂,wiki和百度给出了更详细的学术定义。Andrew Ng通过一个房屋预测的例子解释了神经网络。
x轴为房子的面积大小,y轴为该面积下的价格,价格不可为负数,图中的红色X代表历史数据的实例,我们需要做的是通过拟合一个曲线。即根据房子的面积来预测房子价格,我们需要找到一个拟合函数。 我们可以用一个简单的神经网络来表示,如上图中的右侧用一个独立神经元来表示。这是一个最简单的神经网络。该神经网络的输入是X(size of house),通过拟合函数neuron(ReLU),输出为Y(price). 有时我们在预测房屋价格时,还需要房屋的其它特性,比如:卧室的数量、邮政编码、步行化程度等等。如下图:
房屋的大小和卧室的数量可以评估家庭成员数量,在美国邮政编码可以评估步行化程度,邮编和富裕程度体校了学校的质量。中间的每一个圆圈都可能是一个ReLU。那么人们愿意付出这个房子多少与他们关注的内容息息相关,家庭成员数量、步行化程度和学校质量,能帮助你预测房屋的价格。神经网络当你实现了它,你只需要输入X就能得到输出Y,不管训练集多大,所有的中间过程都会自己完成。
为什么深度学习会如此广泛和兴起,我们先来看一张图:
x轴代表完成任务的数据量,y轴代表算法的性能(比如:垃圾邮件过滤的准确性,广告点击预测的准确率等等)。
1.Data 2.Computation 3.Algorithms