【sklearn 04】DNN、CNN、RNN
DNN
DNN（Deep Neural Networks，深度神经网络）是一种相对浅层机器学习模型具有更多参数，需要更多数据进行训练的机器学习算法
CNN
CNN（convolutional Neural Networks，卷积神经网络）是一种从局部特征开始学习并逐渐整合的神经网络。卷积神经网络通过卷积层来进行特征提取，通过池化层进行降维，相比较全连接的神经网络，卷积神经网络降低了模型复杂度，减少了模型的参数，可以减少拟合。卷积神经网络在图像识别，语音识别等领域都有非常好的效果
RNN
RNN（Recurrent Neural Networks，循环神经网络）是一种能够处理序列模型的神经网络，其输入和输出可以是序列。RNN的显著特征是某个神经元在某一时刻的输出会在下一个时刻作为该神经元的输入信号。RNN在语音识别，语言建模、翻译、图片描述等问题上取得较大成功
在普通的RNN中，较久远的相关信息容易被遗忘。为了解决对长期信息的依赖问题，LSTM（Long Short Term 长短记忆模型）应运而生。和普通的RNN相比，LSTM模型的神经元具有一种可以有效保留长期信息的结构