1、機器學習的定義：如果一個程序可以在任務T上，隨經驗E的增加，效果P隨之增加，則這個程序可以從經驗中學習。
過程：
單個神經元：
2、基於tensorflow的NN（神經網絡）：用張量表示數據，用計算圖搭建神經網絡，用會話執行，優化線上的權重（參數），得到模型。
2.1、張量：多維數組（列表），階：表示張量的維數。
如：標量（0階）、向量（1階），矩陣（2階）
2.2、計算圖（Graph）：搭建神經網絡的計算過程，只搭建，不運算。
2.3、會話（Session）：執行計算圖中的節點運算。
2.4、參數：表示輸入到求和過程上的權重W，用變量表示，隨機給初值。
3、神經網絡的實現過程：
訓練階段（循環迭代）：
（1）、準備數據集，提取特徵，作爲輸入餵給神經網絡；
（2）、搭建NN結構，從輸入到輸出（先搭建計算圖，再用會話執行）
（NN前向傳播算法———>計算輸出）；
（3）、大量特徵數據餵給NN，迭代優化參數
（NN反向傳播算法———>優化參數訓練模型）；
應用：
（4）、使用訓練好的模型預測和分類；