深度学习简介、数据集、数据类型

目录

1、深度学习、机器学习、人工智能之间的关系

2、数据集

3、数据类型

---

1、深度学习、机器学习、人工智能之间的关系

机器学习是实现人工智能的一个途径，深度学习是实现机器学习的一种技术。

深度学习是机器学习的一个子集，用于建立、模拟人脑进行数据处理和分析学习的神经网络，因此也可以被称作是深度神经网络。 深度学习与传统机器学习最重要的区别在于数据量的大小和硬件依赖性。当数据量很大时，深度学习算法可以表现出更好的性能，而传统机器学习算法的性能表现则趋于平缓。 此外，深度学习不需要手动设计特征，其自动学习的功能对于当前的任务来说最佳，而传统机器学习则需要手动选择和设计特征。

所以机器学习是一种程序，可以用于分析数据并学习预测结果（目的）。

2、数据集

深度学习的数据集来源于互联网中的任何地方，小到数组大到整个数据库系统中的数据。

3、数据类型

在深度学习中，数据类型分为三种：数值数据、分类数据、序数数据

数值数据是数字，可以分为两种数值类别：

离散数据（Discrete Data）

- 限制为整数的数字。例如：经过的汽车数量。

连续数据（Continuous Data）

- 具有无限值的数字。例如：模拟数字电路中的波形图，那个波是连续的，无间断的。

分类数据是无法相互度量的值。例如：颜色值或者任何 yes/no 值。

序数数据类似于分类数据，但可以相互度量，也就相当于在同义一个分类中可以相互比较。例如：身高谁比谁高、谁比谁的年龄大还是小等。