2.神经网络的监督学习

在有监督的学习中，我们会得到一个数据集，并且已经知道我们正确的输出应该是什么样子，认为输入和输出之间是有关系的。

有监督的学习问题分为“回归”和“分类”问题。在一个回归问题，我们试图通过连续输出预测结果，这意味着我们是试图将输入变量映射到一些连续函数。而在分类问题中，我们改为试图在离散输出中预测结果。换句话说，我们试图将输入变量映射到离散的类别。

下面是一些监督学习的例子：

有不同类型的神经网络，例如卷积神经网络（CNN）经常用于图像应用，递归神经网络（RNN）常用于一维序列数据如将英文翻译成汉语或者一些临时文件，如文本。至于自动驾驶的应用是一种混合神经网络结构。

结构化与非结构化数据
结构化数据指的是具有明确含义的事物，如价格、年龄等。而非结构化的数据指的是类似像素、原始音频、文本等的事物。