机器学习笔记(3)——监督学习

神经网络的监督学习

在监督学习中，我们得到了一个数据集并且已经知道正确输出应该是什么样的，我们有一个想法：输入和输出存在一种关系。

监督学习问题分为“回归”和“分类”两类问题。在回归问题中，我们尝试预测有连续输出的结果，这意味着我们尝试去把输入变量映射成一些连续函数。在分类问题中，我们而是要预测一些不相关的输出的结果。换句话说，我们尝试去把输入变量映射成一些不同、不相关的类别。

这些是一些关于监督学习的例子

神经网络有几种不同的种类，例如卷积神经网络(Convolution Neural Network, CNN) 常被用于图像识别，循环神经网络(Recurrent Neural Network, RNN)用于一位序列数据比如把英文翻译为中文或音频等数据转文本。对于自动驾驶，则是一种混合神经网络的结构。

结构化数据 vs 非结构化数据

结构化数据指价格、年龄这种有数值定义的事物，而非结构化数据指像素、音频、文本。