機器深度學習是讓電腦從較多的數據中提取出有用的資訊，最後擁有決策判別的能力。機器學習的硬體設施是機器，當前大規模在使用的機器，是為了解決邏輯規則的問題，所以目前所有的深度神經網路都是利用電腦的計算能力來類比出成千上萬神經元來達到模擬的效果。機器深度學習的原理【讀友提問】台商○偉公司張總問：「機器深度學習，它對金融期貨預測的準度為何？」答：機器深度學習，以及資訊(information)和知識(knowledge)的本質，是機器學習基於統計學，可以人為去調整參數來分析對結果的影響，合理的提取出哪些特徵可以用來組成一個集合，作為機器判斷的依據，成功地把思考的問題轉換為可以通過規則和邏輯來表達的方式，讓電腦就像處理一般的程式一樣，直接動用邏輯計算能力。通過機器學習，要學習的是模型：預測→驗證→再學習的過程。機器學習到底是怎麼學的呢？其實就是將人類知識錄入，轉為向量後，利用數學規律，去發現數學的相關，再用業務視角去解釋這些相關性，如果是已經存在的關聯，電腦就可以做出決策模型。決策模型需精進預測準度機器學習應用量化金融，僅僅使用Keras神經網路是不夠的，但可以避免過度擬合，也可以很好的證明數據、特徵和演算法，有一些一般的預測價值，但它不會讓你賺錢，需要更細緻地研究金融期貨市場，建立決策模型。使用模型做預測，並根據機器深度學習，模型自身可以通過反饋結果不斷改進金融期貨預測準確度。
