其实所谓的机器学习，就是通过输入大量同类别数据来让计算机进行“学习”。
这就好像教孩子认动物
我们一般会指着书上的小猫、小狗、小熊，一遍一遍的教孩子来认识。孩子也会在现实生活中通过不断看到这些小动物来进行自我学习。
慢慢的，孩子长大后就可以准确率很高的认出这些小动物。
机器学习也一样，通过向机器输入大量小猫、小狗等图片信息，并且对这些信息进行标注判别（例如，你输出一个小狗的图片，并且要在图片上标注出这是一张狗的照片） ，就类比于孩子在生活中看到了大量的拥有小动物的场景一样。
机器通过不断地被灌输这些图片，来达到在输入一张图片后，我们不用进行标注，机器就可以自动标注出来这张图片上的小动物是什么
简单的图片数据集
左边一行为图片标签（即图片是什么）
听起来其实原理非常简单
但是实际上我们在现实生活中看到的是三维的空间，看照片看到的是二维的平面
而对于机器来说，无论是图片还是现实世界，都是一串串数字（就是像素值），所以我们人类看到的是一个64*64大小的照片，而机器看到的则是64*64*3个数字组成的向量（3是RGB三色通道）
所以无论是对计算能力还是算法的构造，都是非常的复杂与讲究，这也是为什么在神经网络中，还细分了卷积神经网络（CNN，多用于图像识别），递归神经网络（RNN，多用于语音识别和语义识别）等。
有关机器学习的介绍就到这里~
http://www.catpuzi.com/ 本文由喵查铺子网首发，未经本人允许不得转载
