ML\NN\DL\AI之间的关系
| 中文 | 对应英文缩写 |
|---|---|
| 机器学习 | ML |
| 神经网络 | NN |
| 深度学习 | DL |
| 人工智能 | AI |
用机器学习技术来做人工智能，其中神经网络是效果最好的技术之一。
常见术语以及他们的含义
| 名词 | 意义 |
|---|---|
| 模型 | 通过算法导出的可以解决问题的东西 |
| 超参数 | 超参数是不能够被训练而是被实现选择好的 |
| 样本空间 | 所有可能的样本 |
| 特征向量 | 样本的数据输入 |
| 标签（label） | 模型的目标输出 |
| 交叉验证集 | 用来在训练过程中训练暂态结果如何的数据集 |
| 损失函数 | 用来衡量预测结果和实际结果的差距 |
| 泛化能力 | 训练出的结果用在其他数据集上的表现 |
| SRM | 结构风险最小化，也就是让风险上限最小 |
| ERM | 经验风险最小化，也就是让风险最小 |
- 从概率论的角度来说，我们可以将每个特征向量x1,x2,x3…xn看作某个随机向量X的采样。
- 有一些含有大量数据的网站。
- 代价函数是损失函数在特征向量空间上的期望值