# 1.1 为什么选择序列模型？（Why Sequence Models?）

语音识别：给定一个输入音频片段 $$X$$，要求输出对应的文字记录 $$Y$$。输入和输出数据都是序列模型，因为 $$X$$是一个按时播放的音频片段，输出 $$Y$$是一系列单词

音乐生成问题：只有输出数据 $$Y$$是序列，而输入数据可以是空集，也可以是个单一的整数，这个数可能指代想要生成的音乐风格，或者想要生成的那首曲子的头几个音符

处理情感分类：输入数据 $$X$$是序列，会得到类似这样的输入：“**There is nothing to like in this movie.**”，你认为这句评论对应几星？

**DNA**序列分析：**DNA**用**A**、**C**、**G**、**T**四个字母来表示。给定一段**DNA**序列，能够标记出哪部分是匹配某种蛋白质？

机器翻译：输入句：“**Voulez-vou chante avecmoi?**”（法语：要和我一起唱么？），要求输出另一种语言的翻译结果

视频行为识别：得到一系列视频帧，要求识别其中的行为

命名实体识别：给定一个句子，要求识别出句中的人名

[![](https://github.com/fengdu78/deeplearning_ai_books/raw/master/images/ae2970d80a119cd341ef31c684bfac49.png)](https://github.com/fengdu78/deeplearning_ai_books/blob/master/images/ae2970d80a119cd341ef31c684bfac49.png)

这些问题都可以被称作使用标签数据 $$(X,Y)$$作为训练集的监督学习。但序列问题有很多不同类型。有些问题里，输入数据 $$X$$和输出数据$$Y$$都是序列，但就算在那种情况下，$$X$$和$$Y$$有时也会不一样长。或者像上图编号1和编号2所示的$$X$$和$$Y$$有相同的数据长度。在另一些问题里，只有 $$X$$或者只有$$Y$$是序列