有监督学习:类似一个拟合过程，对(x,y)来训练，x是特征，y是标签。
无监督学习:类似一个聚类的过程，从大量自己学到的数据的规律，一般用于特征提取，输入和输出都是数据本身。
自编码器(无监督，一种端到端的处理方案):数据的特征应该由数据本身决定，会提取不同图片中相同的特征.控制中间的节点，丢弃无用信息。keras可以实现
1:无监督训练:输入输出都是自身
2.让数据说话:得到什么取决于数据自身
3.信息损失:有效丢弃无关的信息
自编码器可以加上激活函数层叠，使得编码效果更好。
SVD分解:具有清晰的概率意义，通用用来做聚类，做推荐系统(做libFM)，通过研究SVD与自编码器的联系，实际上给神经网络一个直观的概率解释。numpy可以实现
SVD和自编码器都用来做无监督地提取特征，压缩数据，事实上他们基本上等级。