2019-10-21

发现自己深度学习基础不够好后开始补充。。。。。
深度学习：

监督学习（supervised learning）：

通过已有的训练样本（即已知数据及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优表示某个评价准则下是最佳的），再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的。也就具有了对未知数据分类的能力。监督学习的目标往往是让计算机去学习我们已经创建好的分类系统（模型）。

无监督学习（unsupervised learning）：

一类为基于概率密度函数估计的直接方法：指设法找到各类别在特征空间的分布参数，再进行分类。

另一类是称为基于样本间相似性度量的简洁聚类方法：其原理是设法定出不同类别的核心或初始内核，然后依据样本与核心之间的相似性度量将样本聚集成不同的类别。利用聚类结果，可以提取数据集中隐藏信息，对未来数据进行分类和预测。应用于数据挖掘，模式识别，图像处理等。PCA和很多deep learning算法都属于无监督学习。

这里举个电子邮件的例子，如垃圾邮件和正规邮件，就是两个标签（垃圾，正常）。然后基于邮件的内容去找特征如何邮件中的一些特定词或者特定句，最后判断完进行分类！