機器學習和深度學習的區別

歡迎你們前往騰訊雲+社區，獲取更多騰訊海量技術實踐乾貨哦~

本文由liuxuewen 發表於雲+社區專欄

在本文中，咱們將研究深度學習和機器學習之間的差別。咱們將逐一瞭解它們，而後討論他們在各個方面的不一樣之處。除了深度學習和機器學習的比較外，咱們還將研究他們將來的趨勢和走向。

深度學習 VS 機器學習

深度學習與機器學習簡介

1、什麼是機器學習？

一般，爲了實現人工智能，咱們使用機器學習。咱們有幾種算法用於機器學習。例如：

Find-S算法

決策樹算法（Decision trees）

隨機森林算法（Random forests）

人工神經網絡

一般，有3種類型的學習算法：

1，監督機器學習算法用於進行預測。此外，該算法搜索分配給數據點的值標籤內的模式。

2，無監督機器學習算法：沒有標籤與數據點相關聯。這些ML算法將數據組織成一組簇。此外，它須要描述其結構，使複雜的數據看起來簡單，有條理，便於分析。

3，加強機器學習算法：咱們使用這些算法來選擇動做。此外，咱們能夠看到它基於每一個數據點。一段時間後，算法改變其策略以更好地學習。

2、什麼是深度學習？

機器學習只關注解決現實問題。它還須要更加智能的一些想法。機器學習經過旨在模仿人類決策能力的神經網絡。ML工具和技術是關鍵的兩個深度學習的窄子集，咱們須要用他們來解決須要思考的問題。任何深度神經網絡都將包含三種類型的圖層：

輸入層

隱藏層

輸出層

咱們能夠說深度學習是機器學習領域的最新領域。這是實現機器學習的一種方式。

深度學習與機器學習

咱們使用機器算法來解析數據，從數據中學習，並根據所學知識作出明智的決策。基本上，深度學習用於建立人工「神經網絡」 ，能夠本身學習和作出明智的決策。咱們能夠說深度學習是機器學習的一個子領域。

機器學習與深度學習的比較

數據依賴性

性能是兩種算法之間的主要關鍵區別。雖然，當數據很小時，深度學習算法表現不佳。這就是是深度學習算法須要大量數據才能完美理解的緣由。

可是，在這種狀況下，咱們能夠看到算法的使用以及他們手工製做的規則。上圖總結了這一事實。

硬件依賴

一般，深度學習依賴於高端機器，而傳統學習依賴於低端機器。所以，深度學習要求包括GPU。這是它工做中不可或缺的一部分。它們還進行大量的矩陣乘法運算。

特點工程

這是一個廣泛的過程。在此，領域知識被用於建立特徵提取器，以下降數據的複雜性，並使模式更加可見以學習算法的工做。雖然，處理起來很是困難。所以，這是須要很是多的專業知識和時間。

解決問題的方法

一般，咱們使用傳統算法來解決問題。可是，它須要將問題分解爲不一樣的部分以單獨解決它們。要得到結果，請將它們所有組合起來。

例如：

讓咱們假設你有一個多對象檢測的任務。在此任務中，咱們必須肯定對象是什麼以及它在圖像中的位置。在機器學習方法中，咱們必須將問題分爲兩個步驟：

1.物體檢測

2.物體識別

首先，咱們使用抓取算法瀏覽圖像並找到全部可能的對象。而後，在全部已識別的對象中，你將使用像SVM和HOG這樣的對象識別算法來識別相關對象。

執行時間處理時間

一般，與機器學習相比，深度學習須要更多時間進行訓練。主要緣由是深度學習算法中有太多參數。機器學習只花須要更少的時間進行訓練。

解釋性

咱們將可解釋性做爲比較兩種學習技巧的因素。儘管如此，深度學習在用於工業以前仍然被認爲是10次。

機器學習和深度學習在哪裏應用？

計算機視覺： 咱們將其用於車牌識別和麪部識別等不一樣應用。

信息檢索： 咱們將ML和DL用於搜索引擎，文本搜索和圖像搜索等應用程序。

營銷：咱們在自動電子郵件營銷和目標識別中使用這種學習技術。

醫療診斷：它在醫學領域也有普遍的應用。癌症鑑定和異常檢測等應用。

天然語言處理：適用於情感分析，照片標籤，在線廣告等應用。

將來的趨勢

現在，機器學習和數據科學正處於趨勢中。在公司中，對它們的需求正在迅速增長。對於但願在其業務中集成機器學習而生存的公司而言，他們的需求尤爲大。

深度學習被發現，並證實擁有最早進的表演技術。所以，深度學習讓咱們感到驚訝，並將在不久的未來繼續這樣作。

最近，研究人員不斷探索機器學習和深度學習。過去，研究人員僅限於學術界。可是，現在，機器學習和深度學習的研究正在兩個行業和學術界中佔據一席之地。

結論

咱們研究了深度學習和機器學習，並研究了二者之間的比較。咱們還研究了圖像，以便更好地表達和理解。若是你有任何疑問，能夠隨時在評論部分詢問。

原文標題《Machine Learning vs. Deep Learning》，

做者:Shailna Patidar

譯者：謝子喬

不表明雲加社區觀點，更多詳情請查看原文連接

問答

深度學習在騰訊雲上有哪些應用？

相關閱讀

人工智能與機器學習有哪些不一樣

一文看懂天然語言處理（NLP）的深度學習發展史和待解難題

基於tensorflow的視覺問答系統構建

【每日課程推薦】機器學習實戰！快速入門在線廣告業務及CTR相應知識

此文已由做者受權騰訊雲+社區發佈，更多原文請點擊

搜索關注公衆號「雲加社區」，第一時間獲取技術乾貨，關注後回覆1024 送你一份技術課程大禮包！

海量技術實踐經驗，盡在雲加社區！