DNN (分類器)

https://www.youtube.com/watch?v=diCzrBXLxL0&list=PLXSkku8eiD-iFRBr11rV83579hing3gMU&index=29

今日學習目標

• 深度神經網路 DNN
  • 揭開神秘的黑盒子
• 六步驟建立深度學習模型
  • 如何選擇隱藏層、激發函數、損失函數以及優化器
• 實作 DNN 分類器
  • 使用DNN訓練一個手寫數字辨識分類器

六步驟建立深度學習模型

1. 決定隱藏層 (hidden layers) 的深度 (層數) 和寬度 (神經元數)
2. 決定每層使用的激發函數 (activation function)
3. 決定模型的損失函數 (loss function)
4. 決定優化器 (optimizer)，及超參數
5. 編譯模型 (compile model)
6. 開始訓練 (fit model)

如何選擇 Loss function?

• 分類問題 (Classification)
  • cross-entropy
  • 搭配 softmax 作為輸出層的激發函數
• 迴歸問題 (Regression)
  • mean squared error (MSE)
  • mean absolute error (MAE)
  • 搭配線性函數作為輸出層的激發函數

本系列教學簡報 PDF & Code 都可以從我的 GitHub 取得！

如果你對機器學習和人工智慧（AI）技術感興趣，歡迎參考我的線上免費電子書《經典機器學習》。這本書涵蓋了許多實用的機器學習方法和技術，適合任何對這個領域有興趣的讀者。點擊下方連結即可獲取最新內容，讓我們一起深入了解AI的世界！

👉 全民瘋AI系列 [經典機器學習] 線上免費電子書
👉 其它全民瘋AI系列 這是一個入口，匯集了許多不同主題的AI免費電子書