scikit-learn中的fetch类数据集是指：

神经网络中损失函数的作用一般是衡量神经网络的输出与预期值之间的距离，以便控制、调节参数。

模型训练中导致过拟合的原因往往是模型过分地考虑了训练集中已知数据的自身特性（如噪声数据），而导致对未知的测试集中新样本的预测能力降低。

激活函数给神经元引入了非线性因素，使得神经网络可以任意逼近任何非线性函数。

全连接层如果输出值采用softmax逻辑回归进行分类，该层也称为softmax层。

卷积神经网络的全连接层中，每个神经元与其前一层的所有神经元进行全连接，用来把前边提取到的特征综合起来。

卷积神经网络中使用池化层可以缩减模型的大小，从而提高计算速度。

对于不同类型的AI模型，其所采用的评价指标也不尽相同。如分类和回归常用的评价指标就不相同。

Tensorflow中Keras序列模型的fit方法，其validation_split则指定验证数据集占全部训练样本的比例

机器学习时，当数据集的特征间具有不同的值范围时，通常采用数据归一化的手段使特征具有相同的度量尺度。

在numpy中，shape属性和reshape()函数的功能都是对于数组的形状进行操作。shape属性可以了解数组的结构，reshape()函数可以对数组的结构进行改变。