摘要：卷积网络和传统网络的区别 左边是传统网络，右边是卷积网络，可以看到传统网络只是提取了特征，而卷积网络是三维的处理方式。 卷积做了一件什么事 最左边的就好比一个图片，一个图片各个部分的特征不一样，将其划分成若干，然后对每一块进行特征提取。 就相当于一个5x5的图片，划分成9个特征区域，3x3个一组，根 阅读全文

摘要：特征提取方面 二者输入输出是一样的，都是判断是不是汽车，机器学习需要通过特征提取 然后再放到分类器中，进行一些算法 再输出，而深度学习就没有特征提取这一步，而是直接将特征值放进神经网络，让他去做，他就能做，分类什么的。。。 ●机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识 ●深度学 阅读全文

摘要：误差 误差( Error) :是模型的预测输出值与其真实值之间的差异。 训练( Training) : 通过已知的样本数据进行学习,从而得到模型的过程。 训练误差( Training Error) : 模型作用于训练集时的误差。 泛化( Generalize) :由具体的、个别的扩大为一般的,即从特 阅读全文

摘要：二者基本概念 经验风险( Empirical Risk) : 损失函数度量了单个样本的预测结果，要想衡量整个训练集的预测值与真实值的差异,将整个训练集所有记录均进行一次预测, 求取损失函数,将所有值累加,即为经验风险。 就是已知的数据按照现有的模型，测试预测值和真实值偏离的程度叫经验风险。 经验风险 阅读全文

摘要：基本概念 损失函数：用来衡量预测结果和真实结果之间的差距，其值越小，代表预测结果和真实结果越一致。通常是一个非负实值函数。通过各种方式缩小损失函数的过程被称作 优化。损失函数记作 L(Y,f(x))。 损失函数分为经验风险损失函数和结构风险损失函数。经验风险损失函数指预测结果和实际结果的差别，结构风 阅读全文