2、深度学习中的机器学习方法概述

深度学习中的机器学习方法概述

1. 机器学习的目标与数据类型

机器学习旨在从数据中提取有意义的信息。这里的数据可以是任何能够用数字表示的内容，涵盖了多个方面：
- 数值数据 ：如连续几天的股票价格、不同行星的质量、参加县集市人群的身高。
- 其他数据 ：声音（某人对着手机说的话）、图片（花朵或猫的照片）、文字（报纸文章或小说的文本）、行为（某人喜欢的活动）、偏好（某人喜欢的音乐或电影）等。

我们的目标是发现有意义的信息，通常是找到有助于理解数据的模式，或者利用过去的测量结果预测未来事件。例如，根据某人对已看电影的评分预测其可能喜欢的电影，识别手写便条上的文字，或者仅通过几个音符识别一首歌曲。

一般来说，我们通过三个步骤来获取所需信息：
1. 确定我们想要查找的信息。
2. 收集可能包含该信息的数据。
3. 设计并运行算法，从这些数据中尽可能多地提取信息。

2. 机器学习的主要方法

2.1 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、工程师甚至音乐家）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非常困难。关键在于生成规则的步骤（特征工程）需要大量的人工干预和创造力。以识别数字 7 为例，我们可能制定三条规则来区分手写的 7 与其他数字：