1 什么是结构化数据
有明确的特征值的数据，比如年龄等
无明确的特征值的数据称之为非结构化数据，比如图片
2 为什么近几年深度学习发展如此迅速
数据量的变大
计算机运算速度的变快
3 神经网络中w初试值不能为0向量
若w全部初始值为0，隐藏层中每个单元算出相同的值，在BP算法改变w时会发现每组w是相同的，即一个隐藏层中的所有单元失去作用，w初值一般是设置正太分布数据（np.random.randn()）然后除根号下前一层网络的节点数
4 为什么我们要用深层网络，单层隐藏层不行吗
5 如何解决 high bias(欠拟合) high variance(过拟合)
欠拟合： 改变网络，一般是要增大网络
过拟合：首先想到的应该是增大数据量（不会导致欠拟合发生太大变化），然后才是加入正则化，同时换网络结构可能会管用
注意：现在的工具可以在改变一方的同时几乎不影响另一方，故深度学习不太用考虑2者的平衡性问题，这也是深度学习在监督学习上的优势
防止过拟合方法总结:
①加入正则化
②Dropout
③增大训练集
④早期停止
6 L1正则与L2正则
L1正则：会使W变得稀疏
L2正则：称之为权重衰减
为什么正则化会减少过拟合：
随着λ的增大，W接近于0，使得部分unit失去能力，削减了网络的复杂性