为何要采用深度学习技术( 二 )
教机器学习的方法本身就是在模仿人类的学习机制，当我们还是婴儿的时候，我们通过观察周围，开始认识我们接触到的事物，但是如果父母不告诉我们一样东西的名字是什么的话，我们自己无法知道。
当然，深度学习算法目前还比不上人脑的精确性和灵活性，但那一天总会到来的。
■网友
因为我等凡人想找到一个合适的特征，是如此的困难。DL不是万能，但是但是在很多场景中，可以解决这个问题。
■网友
之前写了一篇文章，正好回答一波。
阿力阿哩哩：导论 | 深度学习算法流程1.3.1 特征工程目前业界有句话被广为流传：
“数据和特征决定了机器学习的上限，而模型与算法则是逼近这个上限而已。”
因此，特征工程做得好，我们得到的预期结果也就好。
那特征工程到底是什么呢？在此之前，我们得了解特征的类型：文本特征、图像特征、数值特征和类别特征等。我们知道计算机并不能直接处理非数值型数据，那么在我们要将数据灌入机器学习算法之前，就必须将数据处理成算法能理解的格式，有时甚至需要对数据进行一些组合处理如分桶、缺失值处理和异常值处理等。
这也就是特征工程做的事：提取和归纳特征，让算法最大程度地利用数据，从而得到更好的结果。
不过，相较于传统的机器学习，深度学习的特征工程会简单许多，我们一般将数据处理成算法能够理解的格式即可，后期对神经网络的训练，就是提取和归纳特征的过程。
这也是深度学习能被广泛使用的原因之一：特征工程能够自动化。
■网友
重合度是什么？怎么定义？怎么识别那一块是你感兴趣的物体？他的轮廓是什么？怎么提取他的内部结构？央视大楼和裤子重合度很高，他们是一个物体么？如果物体在不同的位置，怎么对准？如果物体的大小不一样，怎么做归一化？物体翻转后怎么矫正？物体扭曲后怎么辨认？已知的图片可能有上千万或者上亿，你要一一对比他们的重合度么？这些对人来说很简单，但是对于电脑来说无一不是复杂的过程。我觉得你可以先看看图像的一些基础知识，就知道对人来说一个随随便便很简单的任务，对于电脑来说是相当难的。
■网友
这个你可以看Hinton的公开课，我记得里面有一个章节就是Why we need deep learning。
■网友
一句话，简单的方法能解决的问题，傻子才用复杂的方法。
推荐阅读
- 四川乐山市犍为县发生4.2级地震震源深度13千米
- 四川自贡市荣县发生3.2级地震震源深度10千米
- 大连对封闭区考研生采用单独免费隔离酒店
- 四川德阳市绵竹市发生3.4级地震震源深度8千米
- #补贴#江阴为何迟迟没执行？|解忧帮 无锡：机动车报废有补贴
- 趣头条|奇瑞瑞虎5x，极具性价比，你喜欢吗
- 汽车|传华为智能汽车部件采用三元锂电池
- OC为何跌出语言榜前十
- 趣头条|威马推出EX5-Z曜石精英版车型，车身采用宽体设计，外形魁梧大气
- 何能|布局素质教育 教育巨头为何能迅速推进？