神经网络与监督式学习

图片发自App

神经网络可以说是最强大的监督式学习方法。

目前有很多领域将监督式学习和神经网络结合应用。除了我们之前看的预测房价的例子（标准的神经网络）比如图像识别（CNN：卷积神经网络），翻译和语音识别（RNN：循环神经网络），还有自动驾驶（将CNN和RNN结合起来的更定制化的神经网络）。

监督式学习的应用领域

下图为三种提到的神经网络的示意图。具体的原理和方法在以后会讲到

三种NN的示意图

我们经常会听到监督式学习被应用到结构化数据和非结构化数据中。所谓结构化数据就如下图左，价格，数量，等等都被表明。非结构化数据的例子有语音，文字，图像等等种类的数据。目前结构化数据的监督学习正被广泛应用，来探索各种商业价值。我们对非结构化数据的处理能力的提高主要得益于深度学习的发展。在开发商业应用时，我们应对两种数据的潜在价值都给予考虑。

图片发自App