4. 多层感知机¶
在本章中，我们将介绍你的第一个真正的深度网络。最简单的深度网络称为多层感知机， 它们由多层神经元组成，每一层都与下面一层（从中接收输入）和上面一层（反过来影响当前层的神经元） 完全相连。当我们训练大容量模型时，我们面临着过拟合的风险。因此，我们需要为你提供 第一次严格的概念介绍，包括过拟合、欠拟合和模型选择。为了帮助你解决这些问题， 我们将介绍权重衰减和dropout等正则化技术。我们还将讨论数值稳定性和参数初始化相关的问题， 这些问题是成功训练深度网络的关键。在整个过程中，我们的目标不仅是让你掌握概念， 还希望让你掌握深度网络的实践方法。在本章的最后，我们将把到目前为止所介绍的内容应用到一个真实的案例： 房价预测。我们将有关于模型计算性能、可伸缩性和效率相关的问题放在后面的章节中讨论。