目录
机器学习与深度学习比较
| ML | DL | |
|---|---|---|
| 数据 | 适用数据量小、维度低的情况 | 训练需要较多数据量 |
| 特征工程 | 需人工参与 | 无需手工提取 |
| 复杂度 | 简单的数学函数 | 可拟合出任意函数 |
| 解释性 | 容易解释 | 可解释性较差 |
神经网络
感知机
单层感知机 Perceptron
构成： 一个/多个输入信号+偏置项+权重+一个输出信号
其训练过程是不断调整权重和偏置项
可以看作逻辑回归，解决二分类问题，只能处理线性问题
多层感知机 Multilayer Perceptron
是一种前馈神经网络
构成： 输入层+一个/多个隐藏层+输出层
卷积神经网络
CNN
原理：将一小块区域（卷积核）在整个图像/数据集上滑动，将每个区域与卷积核相乘，对结果求和，生成新图像
常用于图像处理，其特点在于能够很好处理网格