机器学习-39-对ML的思考之深度学习如何应对标准数据集的不完美

1 应对数据集的不完美

“别人采集的数据”，问题非常之多。不要轻易相信“别人采集的数据”的，因为数据采集中包含了太多的不确定性。数据挖掘研究人员只是意识到了“别人采集的数据”导致的“垃圾进，垃圾出”，但是，并不了解数据采集里面的弯弯绕。

1.1 拿来即用(经典机器学习)

经典机器学习是不研究数据采集的，对于数据，通常只是对给定的数据集，执行特征选择或者特征抽取操作。

1.2 另辟蹊径(深度学习)

深度学习则是用另一种方法解决数据问题的。

比如Iris数据集的4个特征：萼片长度、萼片宽度、花瓣长度和花瓣宽度，《深度学习》一书里面把它们称为“手工设计的特征”。

深度学习放弃了这种手工方法，而是使用一种叫“表示学习”的方法来获取特征，它可以通过较简单的表示（特征）来表达复杂表示（特征），解决了表示学习中的核心问题。从而，使得深度学习可以不完全依赖“别人采集的数据”。

深度学习可以从图像像素中识别简单特征，然后用简单特征组合成越来越复杂的特征。从这个意义上说，深度学习的“深度”，其实是指数据。因为，如果我们有好数据，可以不必要“深度”学习的。