深度学习和机器学习的区别

1、特征提取方面

机器学习：特征提取-->分类

特征提取是由手工完成，例如癌症等等

深度学习：直接放到神经网络进行特征提取

由多个层组成，它们通常将简单的模型组合在一起，将数据从一层传递到另一层构建复杂的模型。通过训练大量数据自动得出模型，不需要人工提取环节。适用于图像语言自然语言处理领域。

深度学习适合数据量特别大的数据，需要大量训练数据

2、算法代表

机器学习：朴素贝叶斯、决策树

深度学习：神经网络

3、深度学习的应用场景

机器学习：

        风暴预测系统

深度学习：

        图像识别：物体识别、场景识别、车型识别、人脸识别

        自然语言处理：机器翻译、文本识别、聊天对话

        语言识别

4、未来趋势

机器学习和深度学习的研究是不断的。但不同的是往年研究仅限于学术界，现在机器学习和深度学习的研究在工业界和学术界都在爆炸式增长。随着可用资金的增加，它更有可能成为整体人类发展的一个主题。