1、人工智能、机器学习、深度学习关系
2、几个经典机器学习算法
机器学习算法：一般是基于数学，或者统计学的方法，具有很强的可解释性。
KNN：k最近邻居（k-Nearest Neighbors)
一种监督学习算法，用于分类和回归问题。它的基本思想是通过测量不同数据点之间的距离来进行预测。KNN的工作原理可以概括为以下几个步骤：
1、距离度量：KNN使用距离度量（通常是欧式距离）来衡量数据点之间的相似性
2、确定邻居数量K
3、投票机制
决策树：
朴素贝叶斯：后验，先知道结果再往前推导
3、深度学习
机器学习，具有数学上的 可解释性，但准确率不是 百分百，且不灵活
深度学习：设计一个很深的网络架构让机器自己学
"深度学习就是找一个函数F"
常见的数据输入形式：向量 矩阵/张量 序列
输出（任务类别）
回归任务（填空题） 分类任务（选择题） 生成任务（结构化）（简答题）
分类和回归是结构化的基础。
回归与神经元
如何开始深度学习
让w变小
