【AI记录】机器学习与深度学习

今天来讲讲机器学习(Machine Learning，ML)与深度学习（Deep Learning，DL）

首先，要论这两个东西，得先了解人工智能（AI），AI与机器学习以及深度学习之间的关系，用集合关系来描述，就是：

深度学习包含于机器学习，机器学习包含于AI；

机器学习 作为AI的子领域，也是其核心，可以这么理解：

设计和分析一些算法，可以让计算机进行自动学习。

深度学习 设计灵感，是来源于人类大脑的工作方式，利用深度神经网络来解决特征表达的一种学习过程。为了提高深层神经网络的训练效果，人们对神经元的连接方法以及激活函数等方面做出了调整。其目的在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，如文本、图像、声音。

1.应用区别

机器学习：指纹识别，特征物体检测等

深度学习：文字识别，人链技术，语义分析，智能监控，智能硬件，智能教育，智能医疗等

2.需求的数据量

机器学习：数据量较小

深度学习：在机器学习的基础上，若有比较庞大的数据量，深度学习的效果更加显著

3.执行时间

机器学习：相对较少

深度学习：由于训练受到数据量的影响，需要大量的时间进行

4.问题解决方式

机器学习：遵循标准化程序，将问题拆分，分别解决，之后整合得出答案

深度学习：不拆分，集中解决

 

选择推荐：

传统的机器学习算法比较复杂，不太容易理解，深度学习引入了人工神经网络，比机器学习的表现要好得多，在数据量足够庞大的情况下，个人建议使用选择深度学习。