神经网络学习笔记--几个基本概念

几个基本概念

为了接下来的讲解方便，这里先告诉大家几个基本概念。

1回归问题与分类问题

回归(regression)与分类(classification)是机器学习中的两大类问题。上面我们举的计算圆形面积的例子就属于回归问题，即我们的目的是对于一个输入x，预测其输出值y，且这个y值是根据x连续变化的值。
分类问题则是事先给定若干个类别，对于一个输入x，判断其属于哪个类别，即输出一般是离散的，比如本课程将会带大家实践的图片英文字母识别就属于分类问题（判断一个图片中包含的字符属于26个字母中的哪一个）。

本课程主要介绍分类问题，回归问题可能会在后续的课程中向大家介绍。

2 有监督学习和无监督学习

有监督与无监督是机器学习方法的两大分类。上面我们举的计算圆形面积的例子就属于有监督学习，因为我们的输入data既包含输入x,又包含x对应的y，即学习数据已经事先给出了正确答案。
无监督学习则是只有输入x。你可能会感到不可思议，正确答案都不告诉我，我要怎么学习呢？确实，无监督学习要更难。无监督学习目前一般用于聚类(cluster)问题,即给定一批数据，根据这批数据的特点，将其分为多个类别，虽然我并不知道这每个类别所代表的具体含义。比如网络商城的商品推荐算法可能会根据用户的使用习惯，以往的浏览历史等，将用户分为多个类别，同一类别的用户在行为模式上可能比较相似。而事先并不知道最终会划分出多少个类别，每个类别有哪些共同特点。

本课程主要介绍有监督学习，无监督学习可能会在后续课程中向大家介绍。

模型的构建--神经网络

上面我们提到过要让机器“学习”，一般需要：

1. 用来解决问题的模型model
2. 学习数据（或者说训练数据）data
3. 让模型model通过数据data学会解决特定问题的学习算法learn