机器学习和深度学习的概念
Machine Learning
机器学习，可以看作是找一个函数。
这个函数是人类找不到的，所以交给机器来找。
Different types of Functions
**Regression：**函数的输出是一个数值
for example：
**Classification：**给出选项，让机器去选择。
for example：
检测一个邮件是不是垃圾文件，就可以通过这个来做。
选项是两个：垃圾文件or非垃圾文件。
下面，再给出一个具体的Classification的应用：
阿尔法狗就是其中一种，就是在棋盘中做选择题。
** Structured Learning:**让机器学会创造结构化的东西，就譬如一篇文章。
如何找到那个函数
任务：计算出我的bilibili明天的订阅数
y
=
w
x
+
b
y=wx+b
y=wx+b
第一步：Function with Unknown Parameters
首先，先通过猜测找一下函数大概的模样。
- y是明天我的订阅数
- x是今天的订阅数，是今天已经知道的数字
- b和w是未知的参数
- 我们将w称为weight，将b称为bias，将x称为feature
这个猜测并不一定是正确的，它仅仅只是一个猜测，它就是一个Model–>模型。
第二步： Define Loss From Training Data
Loss是函数
L(b,w)
Loss代表了猜测值与真实值的误差。
第三步 找出最好的L
找出最好的损失值，让损失最低。即找到最小的Loss
方法：梯度下降策略–>求导，不断逼近到导数为0的点
梯度下降策略的问题：找到局部最小值，而不是全局最小值。