机器学习与深度学习的区（qū）别（bié）？

近年来，随（suí）着科（kē）技（jì）的快速发展（zhǎn），人工智能不断进入我们的视野中。作为人工智能的核（hé）心技术，机（jī）器学习和深（shēn）度学习也变得越来越火。一时间，它们几（jǐ）乎成（chéng）为了每个人都在（zài）谈论的话题。那么，机器学习（xí）和（hé）深度学习到（dào）底（dǐ）是什么，它们（men）之间究竟有什（shí）么不同呢？

什么是机器（qì）学习？

机器（qì）学习(Machine Learning，ML)是（shì）人（rén）工（gōng）智能（néng）的（de）子领域，也（yě）是人（rén）工智能的核心。它囊括了几乎所有（yǒu）对世界（jiè）影响最大的方法(包括深度学习)。机器学习理论主要是设计和分析一些（xiē）让计算机可（kě）以自动学习的算（suàn）法。

举（jǔ）个例子（zǐ），假设（shè）要构建一个识别猫的（de）程（chéng）序。传统上如果我（wǒ）们想让计算机进行识别，需（xū）要输入一串指令，例如猫（māo）长着毛茸茸（róng）的毛、顶（dǐng）着（zhe）一对三角形的的耳朵等，然后计（jì）算机根（gēn）据这些（xiē）指令执行下（xià）去。但是如（rú）果（guǒ）我们对程序展（zhǎn）示一只老虎的照片，程序应该如何反应（yīng）呢？更（gèng）何况通过传统方（fāng）式（shì）要（yào）制定全部所需的规则，而且在（zài）此过程中必然会涉及（jí）到一些困难的概念，比（bǐ）如对毛茸茸（róng）的（de）定义。因此，更好（hǎo）的方式（shì）是让机（jī）器（qì）自学。

我们（men）可以（yǐ）为计算机（jī）提供大量（liàng）的猫的照片，系统（tǒng）将以自己特有（yǒu）的方式查看这些照（zhào）片。随着实验的反复进行（háng），系统会不断学（xué）习更新，最终能够准（zhǔn）确（què）地判断出哪（nǎ）些是猫，哪些不是猫。

什么是深度学习（xí）？

深度（dù）学习(DeepLearning，DL)属于机器（qì）学习（xí）的子类。它的（de）灵感来源于人类大脑的工作方式，是利用深度神经（jīng）网络来解决（jué）特（tè）征表达的一种学习（xí）过程。深度神经网络本身并（bìng）非是一个（gè）全新的概念（niàn），可（kě）理（lǐ）解为包含多（duō）个隐含层的神经网络结构。为了提高深层神经（jīng）网络的训练效果，人们对神（shén）经元的连接方（fāng）法以及激活函数（shù）等方面做（zuò）出了调整。其（qí）目的在于建立、模拟（nǐ）人脑进行分析学习的（de）神经（jīng）网络（luò），模仿人脑的机制来解释数（shù）据，如文本、图像、声音（yīn）。

机器学习与深度学习的比较

1、应用（yòng）场景

机器学习在指纹识别、特征物体检测等领域的（de）应用基本达到了商业化的要求。

深度学习主（zhǔ）要应用于文字识别、人脸技术、语（yǔ）义分析、智（zhì）能监控等领域。目前在智（zhì）能硬件、教（jiāo）育、医疗等行业也在快速布局。

2、所需数据（jù）量（liàng）

机（jī）器学习能够适应各种数据量，特别是数据（jù）量较小的场景。如果数（shù）据量迅速增（zēng）加（jiā），那么深度学习的效（xiào）果将更加突出（chū），这是因（yīn）为深度学习算（suàn）法需（xū）要大量数据才能完美理（lǐ）解。

3、执行（háng）时间

执行时间是指训练算法所需要的时（shí）间量。一般来说，深度学习算法需要大量（liàng）时间进行训练。这是因为该算法包含有很多参数，因此训（xùn）练它们需要比平（píng）时更长的时间。相对（duì）而言（yán），机（jī）器学习算法的执行时（shí）间更少。

4、解（jiě）决（jué）问题（tí）的方法

机（jī）器（qì）学习算（suàn）法遵循标准（zhǔn）程序（xù）以解（jiě）决问题。它将问题拆分成数个部分，对其进行分别解决，而后（hòu）再将结（jié）果结合起来以获得所需的答案（àn）。深度学习则以集（jí）中方式解决问（wèn）题，而不必进（jìn）行问题拆分。

在本（běn）文中（zhōng），我们对机器学习与深（shēn）度学习的区别（bié）作出（chū）了简要概述。目前（qián），这两种算法已被广泛应用于商业领（lǐng）域，相信在未（wèi）来，机器学习与深度学习能够（gòu）为更多行（háng）业（yè）带（dài）来令（lìng）人激动（dòng）的光（guāng）明前景。