这回总算正常了，他输入自己的账号密码，进入桌面后想打开游览器。</p>

尼玛，电脑自带的游览器依然还是IE。巨硬公司出品的IE游览器，就和巨硬公司本身一样，都是腐朽落后封闭的代名词。齐凡带着一股嫌弃点开了它。</p>

然后打开了白度，下载了一个Chrome安装包。</p>

安装完成后，世界总算清净了。</p>

-----------------</p>

齐凡一通谷哥搜索后，对机器学习有了初步的概念。</p>

再结合刚刚许阳的话--识别数字的原理。本质上就是从图像中提取特征，然后再分析特征做出判断。</p>

那么从图像中提取特征自然就是数字图像处理部分的知识。</p>

那之后的分析特征做出判断自然就该是机器学习范畴的内容。</p>

于是问题被他分成了两大块--提取图像特征、机器学习判断特征。</p>

为了降低问题难度。齐凡先抛开了第一个问题--如何提取图像特征。转而专注机器学习本身。</p>

因为机器学习不是专门针对视觉处理的，而是用来处理通用问题的。机器学习本就是人工智能范畴内发展最快的一个分支，它被用来处理通用的AI问题。</p>

对机器学习来说，它处理的就是数据，万物在它眼里都是数据，它本身不会关心数据在现实世界所代表的含义，它关心的是数据的标签。至于数据的标签如何被定义，这是使用者的事情。</p>

就好比：你可以把苹果用符号“A”来指代，再用符号“B”来指代橘子。如果机器学习对着一张图片预测出了“A”，机器学习本身不会去关心这个符号“A”的含义，“A”对它来说不过就是标签。是使用它的人给“A”赋予了苹果的概念。</p>

所以，齐凡完全抛开了待检测样本本身的数据属性，而是专注于数据处理的本体--机器学习。</p>

这样做的好处是，数字图像处理可以先不用看了。齐凡已经搜索过那本书的模样，大概A4纸大小，七八百页。很大，很厚，拿在手里绝对能拍死人的那种。</p>

齐凡接着开始细化学习路径。机器学习又可以拆分为：数学工具的学习、机器学习本身知识的学习。</p><div id='gc1' class='gcontent1'><script type='text/javascript'>try{ggauto();} catch(ex){}</script>