一起动脑筋 · 先看一个小故事
女孩想区分猫狗：一种办法是人工写判断规则，另一种是给模型很多示例进行训练。
把过程摊开来看
- 规则程序人写明确判断
- 学习系统数据帮助调整模型
- 使用阶段输入新照片得到预测
传统规则程序主要按人明确写下的规则工作；机器学习让模型从训练数据中调整内部参数。
比如毛色变化太多，很难手写所有猫狗情况，于是可以让模型从多样样本中学习相关模式。
学习系统仍然运行程序，真实应用也常把规则与模型结合。
轮到你来试一试
给模型更多猫狗样例，是否等于有人为每一张照片手写一条专用 if？
想好了吗？点开看解释
不是。训练通常调整共享的模型参数，让同一套计算处理许多输入，但也可能学得不好或过度记忆。
带走一个发现
传统规则程序主要按人明确写下的规则工作；机器学习让模型从训练数据中调整内部参数。
试着遮住上面的图，把每一步讲给家人听。如果某一步说不清楚，就回到那张卡片再看一遍。