即透過訓練資料開始，自動取得最適當的權重參數

4.1 從資料中學習

• 以資料驅動、避免人為介入，從資料中找出規則
• 由[機器] 從收集到的資料中找到規則性
• 但仍需由人來設計、擷取特徵量
• 藉由將資料切分為訓練與測試資料，來追求模型處理未知資料的能力
• Overfitting
  • 模型過度對應於某(訓練)資料集

4.2 損失函數 Loss Function

• 代表神經網路效能評估的指標
• 常用的為均方(MSE)誤差或交叉熵(cross entropy)誤差

4.2.1 均方誤差 MSE

$$ E = \frac{1}{2} \sum_k(y_k-y_t)^2

$$

4.2.1 交叉熵誤差(Cross Entropy)