🏷️chap_linear
ディープニューラルネットワークの詳細に入る前に、ニューラルネットワークの学習の基本について説明する必要があります。この章では、単純なニューラルネットワークアーキテクチャの定義、データの処理、損失関数の指定、モデルのトレーニングなど、トレーニングプロセス全体について説明します。物事を把握しやすくするために、最も単純な概念から始めます。幸いなことに、線形回帰やソフトマックス回帰などの従来の統計的学習手法は、線形 ニューラルネットワークとしてキャストできます。これらの古典的なアルゴリズムから始めて、基本を紹介します。この本の残りの部分では、より複雑な手法の基礎を提供します。
:maxdepth: 2
linear-regression
linear-regression-scratch
linear-regression-concise
softmax-regression
image-classification-dataset
softmax-regression-scratch
softmax-regression-concise