其實不管是類神經網路，學習語言或是學習任何領域的知識，都不斷的強調:
先去用了，就知道要學什麼。
特別是類神經網路這哦領域的知識，看了數種tensorflow 教學，有些人用數學的方式來介紹神經網路，嚇壞了一堆人，包括我，以為要學習神經網路要有非常深厚的數學能力，事實上當我們開始撰寫Tensorflow的程式碼的時候，一行數學式子都沒有用上，連我自己都嚇傻眼，但我不是反對你去了解這些數學式子，而是要告訴你其實學習類神經網路這件事情，比完全了解神經網路運作原理來的簡單太多了。
就像學開車一樣，其實大多數的人(包含我)，都一直以為開車加速的[油門]是真的把油打開，但開車開了這麼多年上山下海，直到最近才知道原來所謂的油門，其實應該稱作[氣門]，我們實際上並不是控制油，而是控制進氣閥，控制進去引擎的空氣量大小，錯了這麼多年了對於我們開車這件事情好像沒有太多影響。
如果不去深入了解類神經網路的數學式與原理，那我們該了解什麼，這也是這篇文章最重要的重點，學習類神經網路我們應該去瞭解他的觀念還有他的特性，並學會怎麼去假設我們的問題與目標，並使用神經網路幫我們解決這個議題。
那我們該怎麼學習神經網路，Google一開始用了幾個範例來交導我們入門，用了手寫辨識這個簡單的範例，但是這個範例有一個很大的問題，就是不見頭不見尾，我娓娓道來。
分類(classification)的問題，為什麼很多機器學習的一開始就會介紹分類，而學習神經網路也對於分類這麼重視，事實上他就是我們大腦無時無刻都在做的事情，只是我們不稱他叫做分類，我們稱它叫做[決定]、[判斷]。
舉一個簡單的例子，例如我今天中午想要吃什麼午餐，我會想想 我肚子有沒有很餓，現在天氣式冷還是熱，所以我再[決定]要吃什麼午餐的時候我就是在以 肚子餓的程度與天氣的溫度做為判斷依據，於是我開始收集數據
肚子很餓，天氣很冷 想吃火鍋
肚子不餓，天氣很冷 想吃牛肉麵
肚子很餓，天氣很熱 想吃便當
肚子不餓，天氣很熱 想吃涼麵
如果我把這件件事情量化(量化就是把事情用數字表示)，肚子餓用0-100分評比
(肚子 50分以下代表很餓 50分以上代表不餓)
(溫度 26度 以上大表很熱 26度以下代表很冷)
肚子 30，溫度 15 答案 火鍋
肚子 60，溫度 15 答案 牛肉麵
肚子 30，溫度 30 答案 便當
肚子 70，溫度 31 答案 涼麵
以圖表表示
先去用了，就知道要學什麼。
特別是類神經網路這哦領域的知識，看了數種tensorflow 教學，有些人用數學的方式來介紹神經網路，嚇壞了一堆人，包括我，以為要學習神經網路要有非常深厚的數學能力，事實上當我們開始撰寫Tensorflow的程式碼的時候，一行數學式子都沒有用上，連我自己都嚇傻眼，但我不是反對你去了解這些數學式子，而是要告訴你其實學習類神經網路這件事情，比完全了解神經網路運作原理來的簡單太多了。
就像學開車一樣，其實大多數的人(包含我)，都一直以為開車加速的[油門]是真的把油打開，但開車開了這麼多年上山下海，直到最近才知道原來所謂的油門，其實應該稱作[氣門]，我們實際上並不是控制油，而是控制進氣閥，控制進去引擎的空氣量大小，錯了這麼多年了對於我們開車這件事情好像沒有太多影響。
如果不去深入了解類神經網路的數學式與原理，那我們該了解什麼，這也是這篇文章最重要的重點，學習類神經網路我們應該去瞭解他的觀念還有他的特性，並學會怎麼去假設我們的問題與目標，並使用神經網路幫我們解決這個議題。
那我們該怎麼學習神經網路，Google一開始用了幾個範例來交導我們入門，用了手寫辨識這個簡單的範例，但是這個範例有一個很大的問題，就是不見頭不見尾，我娓娓道來。
分類(classification)的問題，為什麼很多機器學習的一開始就會介紹分類，而學習神經網路也對於分類這麼重視，事實上他就是我們大腦無時無刻都在做的事情，只是我們不稱他叫做分類，我們稱它叫做[決定]、[判斷]。
舉一個簡單的例子，例如我今天中午想要吃什麼午餐，我會想想 我肚子有沒有很餓，現在天氣式冷還是熱，所以我再[決定]要吃什麼午餐的時候我就是在以 肚子餓的程度與天氣的溫度做為判斷依據，於是我開始收集數據
肚子很餓，天氣很冷 想吃火鍋
肚子不餓，天氣很冷 想吃牛肉麵
肚子很餓，天氣很熱 想吃便當
肚子不餓，天氣很熱 想吃涼麵
如果我把這件件事情量化(量化就是把事情用數字表示)，肚子餓用0-100分評比
(肚子 50分以下代表很餓 50分以上代表不餓)
(溫度 26度 以上大表很熱 26度以下代表很冷)
肚子 30，溫度 15 答案 火鍋
肚子 60，溫度 15 答案 牛肉麵
肚子 30，溫度 30 答案 便當
肚子 70，溫度 31 答案 涼麵
留言
張貼留言