深度学习之感性理解-机器学习基础二
机器学习基本种类
从学习的角度来说，简单可分为两类：有监督学习，无监督学习。
举个做练习题准备考试的例子。读书的时候有考试，考试上有好多题目吧，考试之前我们得做题练习吧，小明从书店买了一本习题集，后面有答案，做完了可以对答案判断对错，经过不断做题练习希望纠错希望能考个好分数。（对应有监督学习，练习对应着有答案。）小李从网店买了本盗版习题集，背后居然没答案，只能自己刷题，自己总结对错了。（对应无监督学习）
有监督学习方法最常见的可以分为：回归，分类。
回归
回归：简单的理解为寻找规律，我们小时候都做过类似填数字的数学题吧，比如有2,4,6,8 四个数，能不能有个规律，预测下第5个数字是什么，大部分人都知道是10。为什么，因为我们发现他是偶数，间隔2，那下一个就是10了。这个过程就在做回归学习，其实从数学上，我们其实是找了个规律，概括为一个公式：
x：第几个数，y：预测的数。
我们得出了一个规律式子，这道数学题的解题方法就是回归，只是我们在小时候不会说的那么专业，也不太好理解。当然机器学习的回归问题几乎都比这个复杂，举个最简单的例子，方便理解。
这个方法基本用于预测某个事物未来会是什么。
分类
分类：字面意思就知道是分门别类。
简单的说，就是我给你个东西，你给我分分类。举个例子最常见的就是上厕所啦，我们在厕所门口看见标示符号知道这个是男厕还是女厕，这个标示符号可能有很多种，但是你还是能辨识出男女吧，因为我们见多了，符号特征那么明显，应该是不会选错的，这就是一种分类学习。
这个方法基本用于预测某个事物是属于哪个类别。
聚类
聚类属于无监督学习的常见方法。所谓物以类聚人以群分，有点这个理解。
举个例子，让小明来将钱分类放好。
小明拿了100元RMB去买东西，找回来了一些钱，这个时候很习惯的把纸币放进口左边袋里，硬币放进右边口袋里。这个过程其实就是进行了一次聚类，把钱分为了2种类别，一种是纸币，一种是硬币。这个分类的根据应该是钱的材质，根据同材质的归为一类。
通常用于把一堆东西分成多个类别，便于管理或者后续使用。
神经网络简单概念
一种类似于人类大脑神经元连接的网状结构，用来进行信息的加工和传递，可以将他看做一种方法集合，分成输入层，隐藏层，输出层，隐藏层可能有好多层。每层之间相互连接，并且层之间的神经元有连接权重，通过学习来调节层之间的连接权重来让我们的神经网络完成我们要做的事，进行预测，或者分类等任务。
好了，今天就到这里了，希望对学习理解有帮助，大神看见勿喷，仅为自己的学习理解，能力有限，请多包涵，图片均来自网络，侵删。