47.端到端学习的兴起 翻译自 吴恩达新书-Machine Learning Yearning

更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费?.

假如你正在构建一个机器学习系统，这个系统可以检查在线的产品评论，然后告诉你评论者是否喜欢对应的产品。比如，你希望将下面的例子识别成正例：

这个拖把非常棒

或者把下面这句识别成负例：

这个拖把质量非常差，买了非常后悔。

这种识别正例/负例的问题称作情感分类。

为了构建这样一个系统，你可能需要开发两个组件：

1. 解析器： 你的系统给文本加上注释，来找到重要的单词。比如你可能会使用解析器来标记出所有的形容词和名次。因此通过解析器你可能会到的下面这个句子：
   这个拖把_名词非常棒_形容词

2. 情感分类器：通过机器学习算法，使用标记好的文本，预测出文本对应的感情。解析器注释后的文本，非常有利于算法的学习：通过给形容词加上更高的权重，比如“非常棒”，忽略不重要的单词，比如“这个”。

我们可以把两个组件组成的流水线绘制出来：

最近有个趋势就是把流水线式的系统变成一个单一的学习算法。端到端学习算法就是用来处理这种任务的。只要提供原始的输入，比如原始文本"这个拖把非常棒！"，然后直接进行情感识别：

神经网络警察用于端到端的学习系统。端到端这个词语的意思是通过学习算法，直接将原始输入转化成最终输出。也就是说使用学习算法将输入端和输出端链接起来。

在数据丰富的问题中，端到端系统取得了非常显著的成功。但是他们也不都是最好的选择。下一章，我们将给出更多端到端的例子，并给出一些建议，说明那些问题适合使用端到端系统，哪些问题不适合使用端到端系统。

更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费?.