大成带你学习移动网络深度神经网

首先先了解一下上面的兔子，包含许多种类的兔子，人们怎么识别兔子的种类呢？

是不是首先通过照片或者实际的照片来识别兔子呢？那么机器（计算机通过什么方式来学习识别呢？其实，机器学习也是和我们人类学习一样的，也是通过不断的读取照片记住照片的特征值来学习识别图片。这里引入了一个特征概念，那么什么是特征值呢？大白话就是照片一眼可以识别的特点，如上图最大的特征是兔子耳朵长又长。

深度学习神经网络需要大量的训练，输入训练集，输入测试训练集，建立模型，优化算法，测试数据集进行模型测试，不断优化模型，最终确立模型，通过这个模型进行验证，最后再进行预测。

机器学习模型可用用来完成什么任务呢？

• 分类（classification）

• 回归（regression）

上图兔子是典型的分类，需要把各个兔子进行种类的识别，可用根据兔子的耳朵长度，个体大小，毛皮颜色，眼睛颜色，体重等属性都是属于特征。兔子是最大的标签。

回归的例子，我们可以通过根据病人的身高，体重等表征信息来预测病人的血糖溶度，血糖溶度是一个数值，表征特征属于特征，也是数值，通过数值型数据来预测称为回归。

总之：学好机器学习，首先需要学好分类和回归。

机器学习常用的算法

• 分类算法

• K近邻
  

• 决策树
  

• 朴素贝叶斯
  

• 贝叶斯网络
  

• 逻辑回归
  

• SVM
  

• 回归算法，有监督学习

• 聚类算法，无监督学习

• 关联分析算法，无监督学习

• Apriori

• FP-growth

• 集成算法

• Boosting

• Adaboosting

• bagging 随机森林

• 强化学习

物品识别

启动WEB版本

直接在浏览器打开index.html就可以运行，摄像头，允许访问文件。

用摄像头 上，下，左 、右等 拍摄8个分类的照片

• 上图的各个兔子，选出8个

列举了8类的物品，通过拍摄进行数据收集和训练准备，当然你如果感兴趣也可以拍其他的物品。水果图片是最好的。

点击训练，生成自己的model，点击test

点击训练，出现损失率的提示loss，定义了model，可以允许下载

再拿物品进行识别，可以稍微变化角度

识别率还是不错

小结

被训练的物品识别率比较高，缺点没有训练的物品不会排除掉