小白带你学习移动网络深度神经网络
首先先了解一下上面的兔子,包含许多种类的兔子,人们怎么识别兔子的种类呢?
是不是首先通过照片或者实际的照片来识别兔子呢?那么机器(计算机通过什么方式来学习识别呢?其实,机器学习也是和我们人类学习一样的,也是通过不断的读取照片记住照片的特征值来学习识别图片。这里引入了一个特征概念,那么什么是特征值呢?大白话就是照片一眼可以识别的特点,如上图最大的特征是兔子耳朵长又长。
深度学习神经网络需要大量的训练,输入训练集,输入测试训练集,建立模型,优化算法,测试数据集进行模型测试,不断优化模型,最终确立模型,通过这个模型进行验证,最后再进行预测。
机器学习模型可用用来完成什么任务呢?
- 分类(classification)
- 回归(regression)
上图兔子是典型的分类,需要把各个兔子进行种类的识别,可用根据兔子的耳朵长度,个体大小,毛皮颜色,眼睛颜色,体重等属性都是属于特征。兔子是最大的标签。
回归的例子,我们可以通过根据病人的身高,体重等表征信息来预测病人的血糖溶度,血糖溶度是一个数值,表征特征属于特征,也是数值,通过数值型数据来预测称为回归。
总之:学好机器学习,首先需要学好分类和回归。
机器学习常用的算法
-
分类算法
- K近邻
- 决策树
- 朴素贝叶斯
- 贝叶斯网络
- 逻辑回归
- SVM
- 回归算法,有监督学习
- 聚类算法,无监督学习
- 关联分析算法,无监督学习
- Apriori
- FP-growth
- 集成算法
- Boosting
- Adaboosting
- bagging 随机森林
- 强化学习
技术栈
- 基础语言:python
- 工程框架:TensorFlow,MXnet,Torch,PyTorch,Keras
- 数据库存储:oracle,sqlserver,mysql,postgresql,leveldb,lmdb,redis,k/v,mongodb,neo4j,Hbase,Cassandra 列数据库
- 数据处理工具:hadoop,hive和pig
- 实时数据处理:storm,hurricane实时处理系统。
深度学习
2012深度学习神经网络给计算机视觉,语言识别,自然语言处理等领域带来突破进展。
- Conv 卷连集为224X224
- 55X55 卷连池
- 27X27 卷连池
- 13X13 卷连集
- 13X13卷连集
- 13X13卷连池
- dense 4096
- dense 4096
- 1000输出