1、机器学习的定义：如果一个程序可以在任务T上，随经验E的增加，效果P随之增加，则这个程序可以从经验中学习。
过程：
单个神经元：
2、基于tensorflow的NN（神经网络）：用张量表示数据，用计算图搭建神经网络，用会话执行，优化线上的权重（参数），得到模型。
2.1、张量：多维数组（列表），阶：表示张量的维数。
如：标量（0阶）、向量（1阶），矩阵（2阶）
2.2、计算图（Graph）：搭建神经网络的计算过程，只搭建，不运算。
2.3、会话（Session）：执行计算图中的节点运算。
2.4、参数：表示输入到求和过程上的权重W，用变量表示，随机给初值。
3、神经网络的实现过程：
训练阶段（循环迭代）：
（1）、准备数据集，提取特征，作为输入喂给神经网络；
（2）、搭建NN结构，从输入到输出（先搭建计算图，再用会话执行）
（NN前向传播算法———>计算输出）；
（3）、大量特征数据喂给NN，迭代优化参数
（NN反向传播算法———>优化参数训练模型）；
应用：
（4）、使用训练好的模型预测和分类；