浅谈机器学习与深度学习的区别

1. 前言

若非严谨地说，机器学习是一个更加广泛的学科，深度学习则是其一个分支。然而，生活中，我们往往发现很多人习惯以为深度学习更加高深，更加现代，更加人工智能，实际两者的关系并非如此。很多时候，人们只是将传统的浅层学习模型误认为是机器学习算法，相应深度学习模型则深度学习算法。为了简要说明这两者的差异，这里我们从如下几个方向，对常规机器学习与深度学习进行差异性介绍

1. 技术起源
2. 算法差异
3. 应用差异
4. 数据差异
5. 潜在应用差异

2. 技术起源

机器学习（Machine Learning, ML）：
机器学习是人工智能的一个分支，起源于20世纪50年代，其核心思想是通过算法让机器从数据中学习规律，从而对未知数据做出预测或决策。早期的机器学习算法包括决策树、支持向量机（SVM）、随机森林等。

深度学习（Deep Learning, DL）：
深度学习是机器学习的一个子集，起源于2006年左右，由杰弗里·辛顿（Geoffrey Hinton）等人提出。它基于人工神经网络的研究，特别是多层前馈神经网络（即深度神经网络）。深度学习通过模拟人脑的神经元连接，能够自动提取特征并进行学习。

3 . 算法差异

机器学习算法