走向无监督学习（无监督学习概述 - 告别启蒙阶段的深度学习）

1 之前的人工智能学习（监督学习 supervised learning）

相信所有人在学习人工智能的时候，都经过了几个阶段，从一开始简单的数据处理，到机器学习简单算法，然后再到深度学习。在长时间的学习积累后，大家可能会有一种感受，就算法本身来说，并不是越复杂就一定越好，并不是说解决一个问题时，你运用到了神经网络的知识，就一定要比一般的机器学习高端，最适合的才是最好的。
另一方面，在过去的学习过程中，可能不少人都有这样一种感受，觉得我们做的事情都有一个大前提，那就是我们事先已经知道了答案，比方说分类问题和回归问题，我们事先已经知道了猫是什么样的，狗是什么样的，然后我们就给数据创建训练集，测试集，设定好标签，通过我们现有的认知来训练计算机，像这样的机器学习方式就叫做监督学习。

监督学习最大的好处就是，一切都是已知的，通过这些模型的建立，我们就能非常容易地对事物进行判断和预测。但是这需要投入大量的人力进行前期的数据处理和标签制作，在这个过程中，很容易掺杂大量的感情因素，也可能会出现人的工作疏忽，导致送给机器的数据或数据标签