神经网络与机器学习 第一讲(1)——为什么需要机器学习

一、什么是机器学习？

　　1. 有些问题很难用写程序去解决，比如对象识别：

　　　　1) 我们不知道人脑是怎么识别对象的，也就没法写程序

　　　　2) 即使我们有很好的想法，还是发现很难写

　　2. 很难计算一个信用卡交易行为是不是异常的：

　　　　1) 找不到简单的规则，可能需要结合巨大数量的规则

　　　　2) 作弊的手段是随时间变化的，我们的程序需要不断更新 

二、机器学习方法

　　1. 收集输入输出对

　　2. 机器学习算法能够利用这些输入输出对，完成任务

　　　　1) 需要很多样例

　　　　2) 在新的样例上也能起作用

　　　　3) 新的训练数据都来，模型可重新训练改变

三、一些解决的很好的例子

　　1. 模式识别：对象识别、人脸识别、语音识别

　　2. 异常检测：信用卡交易异常

　　3. 预测：股票价格、电影是否受欢迎

四、例子

　　1. 手写识别 MNIST

　　2. 真实场景中的对象识别 ImageNet

　　3. 语音识别 TIMIT

转载于:https://www.cnblogs.com/fengfangxiang/archive/2012/11/27/2790086.html