假如你正在構建一個機器學習系統，這個系統可以檢查線上的產品評論，然後告訴你評論者是否喜歡對應的產品。比如，你希望將下面的例子識別成正例：

這個拖把非常棒

或者把下面這句識別成負例：

這個拖把質量非常差，買了非常後悔。

這種識別正例/負例的問題稱作情感分類。

為了構建這樣一個系統，你可能需要開發兩個元件：

1. 解析器： 你的系統給文字加上註釋，來找到重要的單詞。比如你可能會使用解析器來標記出所有的形容詞和名次。因此通過解析器你可能會到的下面這個句子： 這個拖把_名詞非常棒_形容詞

2. 情感分類器：通過機器學習演算法，使用標記好的文字，預測出文字對應的感情。解析器註釋後的文字，非常有利於演算法的學習：通過給形容詞加上更高的權重，比如“非常棒”，忽略不重要的單詞，比如“這個”。

我們可以把兩個元件組成的流水線繪製出來： 最近有個趨勢就是把流水線式的系統變成一個單一的學習演算法。端到端學習演算法就是用來處理這種任務的。只要提供原始的輸入，比如原始文字"這個拖把非常棒！"，然後直接進行情感識別： 神經網路警察用於端到端的學習系統。端到端這個詞語的意思是通過學習演算法，直接將原始輸入轉化成最終輸出。也就是說使用學習演算法將輸入端和輸出端連結起來。

在資料豐富的問題中，端到端系統取得了非常顯著的成功。但是他們也不都是最好的選擇。下一章，我們將給出更多端到端的例子，並給出一些建議，說明那些問題適合使用端到端系統，哪些問題不適合使用端到端系統。