绪论：面向机器学习的神经网络——第一周作业

1.为什么我们需要机器学习

1.1什么是机器学习?

我们之所以需要机器学习，是因为有很多问题场景中，都比较难写出手工的计算程序，实现三维对象的识别等，尤其在混乱的场景下，有新想法和新重点的时候更难实现。
另一个例子是检测信用卡欺诈行为，因为人们欺诈技巧经常改变，所以我们需要设计一个复杂的程序，来组合不可信的规则，并且灵活多变。

1.2机器学习的方法

并非需要为每一个特定的任务场景手动编写每个程序，我们通过收集很多样例数据，并为给定输入赋予正确的标签值，然后用每一个机器学习算法模型从这些样例数据中学习，最后生成一个智能程序来完成预定的任务，由线性算法产生的程序，可能看起来与典型的手写程序非常不同。
例如：它可能包含数百万个关于你如何权重不同类型的证据的数字，如果我们操作正确，程序就会像训练的那样正常运行，来比较容易得使程序改变。现在，大量的计算比雇人为一个特定的任务编写程序更便宜，所以我们可以负担得起复杂的机器学习程序为我们生产这些困难任务的特定的系统。

（1）一些最好通过机器学习来解决的任务例子

（2）机器学习的标准例子

①用机器学习算法来学习如何快速识别手写数字
MNIST手写数字数据库是与果蝇类似的机器，它是公开可得的，我们可以用机器学习算法来学习如何快速识别这些手写数字，所以尝试很多变量是很简单的。
我们将使用MNIST作为我们的标准任务。

由于神经网络系统并不十分稳定，所以一个模板完成不了这个工作。所以这是一个使机器学习识别手写数字的好任务。

②识别图片。