《动手学习深度学习》的笔记，将会持续更新。

1.什么是机器学习？

机器学习是：换句话说，我们用数据训练（train）模型。

数据不断的训练出比较好的模型。

 1.2 机器学习的关键零件

1.学习的数据。

2. 如何转换数据的模型。

3.一个目标函数。

4.调整模型参数以优化目标函数的算法。

1，数据有什么组成？

数据=样本+特征

样本：数据集由一个个样本组成，样本也被称为数据点

特征：每个样本通常由一组称为特征的属性组成，机器学习模型会根据这些属性进行预测。

维数：当每个样本的特征类别数量都相同时，其特征向量是固定长度的，这个长度被称为数据的维数。

数据量与质量：

数据量：拥有越多数据，越有利于训练出更强大的模型，可减少对预先设想假设的依赖，数据集由小变大为现代深度学习的成功奠定基础。

数据质量：仅仅拥有海量的数据是不够的，还需要正确的数据。

目标函数：需要定义模型的优劣程度的度量，这个度量在大多数情况是“可优化”的。

 损失函数：我们通常定义一个目标函数，