什么是神经网络
![](https://i-blog.csdnimg.cn/blog_migrate/8fefd7f84261ef55b02e09e7765b1618.png)
上述神经网络是有四个输入的神经网络,输入的特征是房屋大小、卧室数量、邮政编码和周围的富裕程度。已知这些输入特征,神经网络的工作就是预测对应的价格。图中蓝色的圆圈,在一个神经网络中,它们被叫做“隐藏单元”,每个输入都同时来自四个特征,神经网络自己决定这个特征是什么,我们只给其四个输入特征,随便其怎么计算。值得注意的是,只要给神经网络足够的x、y训练样本,神经网络非常擅长于计算从x到y的精准映射函数。
什么是监督学习
在监督学习中,输入x,习得一个函数,映射到输出y。比如上述应用于房价预测的例子,输入房屋的一些特征,就能输出预测价格。
为什么深度学习会兴起
![](https://i-blog.csdnimg.cn/blog_migrate/788daf296ed9b2afb123407cceaf31ea.png)
数据规模不大时,各种算法之间的优劣很难衡量,最终的性能更多取决于手工设计组件的技能。
由于传统的机器学习模型无法处理海量的数据,数据规模过大后,它们的性能变进入了瓶颈期。与20年前相比,现在收集海量数据轻而易举。很多应用领域中,我们收集的数据量远超传统机器学习算法所能发挥作用的规模。神经网络则不然。
规模越大的神经网络性能便越好。若要达到这么高的性能水平有两个条件,第一是需要训练一个规模足够大的神经网络,以发挥数据规模量巨大的优点;第二需要大量的数据。所以,规模一直在推动深度学习的发展。