二、用神经网络监督学习

-我们可以把数据分为两大类：结构化数据（Structured Data）和非结构化数据（unstructured data）。结构化数据就是数据的数据库，比如房价的数据库或数据列，比如房子的大小，房间数量的多少就对应的房价，每个特征因素都会有特定的值，如下面的左图。相反，非结构化数据是指比如像音频（Audio）、图像（Image）也可能是文本（Text）。这样特征就是图片的像素或者单个单词。

• 从计算机发展历史来看，结构化数据要比非结构化数据更容易让计算机理解。但是人要更容易理解接受非结构化语言的信息。
• 但由于深度学习，机器学习，计算机渐渐的可以理解非结构化语言，于此同时就会来巨大的财富。
• 在介绍神经网络的应用之前，我们先看一下几种常见的神经网络模型。标准神经网络结构、CNN、RNN/RNNS。
  
  上面的图第一个你会经常看到，就是标准神经网络结构，中间的则是卷积神经网络，最右边的是循环神经网络。在广告和房地产领域里，我们经常用标准神经网络；CNN卷积神经网络则经常用来处理图片问题；循环神经网络则被用来处理音频和语音识别领域。
  
• 后续的博客我将会写如何实现这些神经网络，以及具体应用，欢迎评论区留言，点赞收藏，一起探讨深度的学习的魅力！