深度学习入门 : 基于Python的理论与实现

  第 4章　神经网络的学习

82

4.1.1

　数据驱动

数据是机器学习的命根子。从数据中寻找答案、从数据中发现模式、根

据数据讲故事……这些机器学习所做的事情，如果没有数据的话，就无从谈

起。因此，数据是机器学习的核心。这种数据驱动的方法，也可以说脱离了

过往以人为中心的方法。

通常要解决某个问题，特别是需要发现某种模式时，人们一般会综合考

虑各种因素后再给出回答。“这个问题好像有这样的规律性？”“不对，可能

原因在别的地方。”——类似这样，人们以自己的经验和直觉为线索，通过反

复试验推进工作。而机器学习的方法则极力避免人为介入，尝试从收集到的

数据中发现答案（模式）。神经网络或深度学习则比以往的机器学习方法更能

避免人为介入。

现在我们来思考一个具体的问题，比如如何实现数字“5”的识别。数字

5 是图4

-

1 所示的手写图像，我们的目标是实现能区别是否是5 的程序。这个

问题看起来很简单，大家能想到什么样的算法呢？

图4-1　手写数字5 的例子：写法因人而异，五花八门

如果让我们自己来设计一个能将5 正确分类的程序，就会意外地发现这

是一个很难的问题。人可以简单地识别出5，但却很难明确说出是基于何种

规律而识别出了 5。此外，从图 4

-

1 中也可以看到，每个人都有不同的写字习惯，

要发现其中的规律是一件非常难的工作。

因此，与其绞尽脑汁，从零开始想出一个可以识别5的算法，不如考虑

通过有效利用数据来解决这个问题。一种方案是，先从图像中提取特征量，

4.1  从数据中学习 

83

再用机器学习技术学习这些特征量的模式。这里所说的 ...