标签：深度 bat bec san 就是 png static mon 根据
1. 模型定义 ---将问题转化为数学公式建模
模型就是一个数学公式，例如
w表示权重，b表示偏差，yhat表示预测值≠标签
2. 模型训练 -- 调整最终参数的过程
1. 训练数据（训练集，样本，标签--真实值，特征--用来预测标签的因素x1,x2）
2. 损失函数（衡量标签（真实值）与预测值之间的误差--->衡量模型的质量，一般为非负）
平方损失函数
模型训练中，根据损失函数找出一组模型参数w，b使损失最小
3. 优化算法
1. 解析解：误差最小化问题的解直接用公式表示（大多数不适用）
2. 数值解：通过优化算法有限次的迭代降低损失值的这类解
超参数：人为设定，非模型训练出来的 ，其中
代表batch size（批量大小），
称作学习率
调参值得是调节超参数
3.模型预测 （利用最优的模型参数去估计新的房屋价格）
4. 线性回归的表示方法
1. 神经网络表示
其中，输入层为特征值， 输出层为预测值， 神经元--利用输入层计算输出层的计算表示一个神经元，全连接层（稠密层）--表示利用所有的特征值去计算输出
2. 矢量计算表达式（也就是矩阵表示）
5. 总结： 线性回归是一个单层的神经网络模型，也是一个全连接层，计算时尽量使用矢量计算表达式 效率会高几个量级
标签：深度 bat bec san 就是 png static mon 根据
原文地址：https://www.cnblogs.com/irisinsnow/p/13579447.html
