深度學習基本概念簡介（下）

在前一篇中提到，我們可以透過y= bx+w 來當作機器用來預測的函數。但有時如果函數太過簡單，函數與實際輸出的值之間的差距無論怎麼調整都會存在，也就是前一節提到的Model Bias問題。

為了解決沒有彈性的問題，就有了sigmoid函數。

Sigmoid

但是precise linear curve本身的函數是不容易寫出的，因此我們可以用sigmoid函數逼近該precise linear curve。

*precise linear curve: 一條由很多線段所組成的鋸齒線（constant + a set of linear curve）。

Sigmoid函數的定義：y = c * (1 / 1 + e^-(b+wx) )

規則：

1. 當w無限大，就會趨近於平線。改變W → 改變斜率
2. 改變c → 改變高度
3. 改變b → 平移shift

Part 1. 尋找函數Function

我們把sigmoid函數套用到原本的函數中，就會變成

y = b + wx₁ -> y = Σc_i sigmoid(b_i + w_ix₁)

y=b+Σw_ijx_j -> y= Σc_i sigmoid(b_i + Σw_ijx_j)，j是天數。 w_ijx_j為不同天數的數據與權重參數。

1. 將函數展開：

r₁ = b₁ + w₁₁x₁ + w₁₂x₁ + w₁₃x₃

r₂ = b₂ + w₂₁x₁ + w₂₂x₁ + w₂₃x₃

r₂ = b₃ + w₃₁x₁ + w₃₂x₁ + w₃₃x₃

2. 將展開的公式以矩陣表示：r = b + wx

3. 最後乘上C_i加上b，就會得到預測的值y。同時我們也能將這個步驟轉為矩陣的方式表示：

透過以上三個步驟，我們就能完成第一步的尋找函數function過程。

*我們要尋找的參數w,b,c可以統一變為θ矩陣，透過訓練資料找到最適合的參數值。

Part 2. 尋找讓Loss最小的參數θ

接著我們要尋找讓loss最小的參數，讓L(θ)的值可以最小，因此我們挑選一個θ₀當作初始值，讓L對每個θ_i微分，就可以得到一組gradient。

因此每次更新的公式: θ₁ = θ₀ - g * learning rate。

那要更新多久呢？

1. gradient = 0
2. 不想做了為止。

使用Batch

不過通常，我們在做gradient decent的時候，偏向於把大量的訓練資料區分為好幾個batch(隨機區分即可)，然後先利用batch1 將θ₀更新成θ₁，接著再把batch2的資料拿來將θ₁更新成θ₂。

*把所有的batch更新過一次，被稱為1 epoch。

反覆進行Sigmoid，以得到最佳解

為什麼我們需要不斷地堆疊更多的sigmoid或是前面線性函數的層數？

因為我們在預測的輸出資料，通常不會精準的符合某個函數的圖形。因此我們需要透過不斷地堆疊，去近似於我們目標的模型，藉此找到預測的方程式。而這樣重複堆疊的過程，就是深度學習的由來。

我們也不一定要只使用一個sigmoid，當我們重複加上更多的sigmoid，也可以更優化模型。至於要做幾次（layer），這也由我們自己控制的部分(hyperparameter)。

-> 以上的步驟與以下的圖型，也說明了為什麼它被稱為神經網路，或是深度學習

（Deep的由來：很多hidden layer疊加在一起）。

參考資料：

Hung-yi Lee：機器學習課程

深度學習基本觀念

Activation Function