2、机器学习与深度学习入门指南

机器学习与深度学习入门指南

1. 机器学习概述

机器学习旨在从数据中提取有意义的信息。数据可以是各种形式，包括原始数字（如连续几天的股票价格、不同行星的质量）、声音（如手机中说出的单词）、图片（如花朵或猫的照片）、文字（如报纸文章或小说的文本）、行为（如某人喜欢的活动）、偏好（如某人喜欢的音乐或电影）等，只要能以数字形式表示即可。

我们通常通过三个步骤来获取所需信息：
1. 确定想要查找的信息。
2. 收集可能包含该信息的数据。
3. 设计并运行算法，从数据中尽可能多地提取信息。

1.1 专家系统

在深度学习广泛应用之前，专家系统是一种流行的从数据中学习的方法。专家系统是一种计算机程序，旨在封装人类专家（如医生、工程师、音乐家）的思维过程。其原理是研究人类专家的工作方式，观察他们的操作并让他们描述自己的流程，然后用一组规则来捕捉这些思维和行为，期望计算机通过遵循这些规则来完成专家的工作。

然而，专家系统的创建和维护具有挑战性。关键的规则制定步骤（即特征工程）需要大量的人工干预和创造力。例如，教计算机识别数字 7，我们可能制定三条规则：数字 7 顶部附近有一条大致水平的线；有一条大致从东北到西南的对角线；这两条线在右上角相交。但当遇到中间有一条横线的数字 7 时，原规则就无法识别，需要添加新规则。在实际应用中，这种情况会反复出现，对于复杂问题，找到一套完善的规则是一项极其困难的任务。

1.2 深度学习的优势

深度学习可以自动发现决策规则，无需明确告诉算法如何识别特定对象。给定足够的训练数据，深度学习算法可以通过检查输入数据并提取模式来发现决策规则。虽然系统不像人类那