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。