可以在网络中加入一个或多个隐藏层来克服线性模型的限制，使其能处理更普遍的函数关系类型。（最简单的方法是将许多全连接层堆叠在一起）

为了防止多层感知机退化成线性的，我们可以对每个隐藏单元应用一个非线性的激活函数

开始学深度学习咯！在正式进入深度神经网络的学习之前，还是需要先选好框架实现。在这里，我选择的还是比较简单的pytorch（基础好的选TensorFlow也可以的！）

这一篇博客主要介绍pytorch的常用数据结构及其常见操作，还有深度学习的基本流程。

70多天没和小狗饼见面啊啊啊啊！！！见面当然要出去玩、出去贴贴啦！！！（虽然说一直泡在酒店没出门）

大概心情就是现在发两条pyq和一篇博客都嫌不够的程度。

甚至是现在分开反而有点不习惯线上聊天了。

基本流程与特性

决策树是一类常见的机器学习算法。

一般的，决策树包含一个根节点、若干个内部节点和若干个叶结点。叶结点对应于决策结果，其他的每个结点则对应一个属性测试。

决策树的生成是一个递归过程，有三种情形会导致递归返回：

1. 当前结点包含的样本全属于一个类别；
2. 当前属性集为空，或是所有样本在所有属性上取值相同，无法划分；
3. 当前结点包含的样本集合为空，无法划分。