深度学习

深度学习（Deep Learning），恰恰就是通过组合低层特征形成更加抽象的高层特征（或属性类别）

机器学习就是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测。

深度学习又是机器学习研究中的一个新的领域，其动机在于建立可以模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，

例如，图像、声音和文本。深度学习是无监督学习的一种

深度学习采用了与神经网络相似的分层结构：系统是一个包括输入层、隐层（可单层、可多层）、输出层的多层网络，

只有相邻层节点之间有连接，而同一层以及跨层节点之间相互无连接。这种分层结构，比较接近人类大脑的结构

实际生活中，人们为了实现对象的分类，首先必须做的事情是如何来表达一个对象，即必须抽取一些特征来表示一个对象。

深度学习框架将特征和分类器结合到一个框架中，用数据去学习特征，在使用中减少了手工设计特征的巨大工作量。

看它的一个别名：无监督特征学习（Unsupervised Feature Learning），就可以顾名思义了。

无监督（Unsupervised）学习的意思就是不需要通过人工方式进行样本类别的标注来完成学习。

因此，深度学习是一种可以自动地学习特征的方法。

准确地说，深度学习首先利用无监督学习对每一层网络进行逐层预训练（Layerwise Pre-Training）；

每次用无监督学习只训练一层，并将训练结果作为更高一层的输入；最后用监督学习去调整所有层。