机器学习与深度学习的区别？

近（jìn）年来，随着科技（jì）的快速发展，人工智能不断进入我们的视野中（zhōng）。作为人工智能的核心技术，机器学（xué）习和深度学习也（yě）变（biàn）得越来越火。一时间，它们几乎成为了每个人都（dōu）在谈（tán）论的话题（tí）。那（nà）么，机器（qì）学习和深（shēn）度学习到底是什么，它（tā）们之间究竟有什么不同呢？

什么是机（jī）器学习？

机器（qì）学习(Machine Learning，ML)是人工智能的子领（lǐng）域（yù），也是人工智能的核心。它囊括了几（jǐ）乎（hū）所（suǒ）有对（duì）世界影响最大的方法(包括深度学习)。机器学习理论主要是设计和（hé）分析（xī）一些让计算机（jī）可以自动学习（xí）的算法（fǎ）。

举个例子，假（jiǎ）设要构建一个识别猫（māo）的程序。传统（tǒng）上（shàng）如果（guǒ）我们想让（ràng）计算机（jī）进（jìn）行识别，需要输入一串（chuàn）指（zhǐ）令，例如（rú）猫（māo）长着（zhe）毛（máo）茸茸的（de）毛、顶着一（yī）对（duì）三角形的（de）的耳朵等（děng），然（rán）后计算（suàn）机（jī）根据这些指令执行下去（qù）。但是如果我们对程序展示（shì）一只老虎的照片（piàn），程序（xù）应该如何反应呢？更（gèng）何况通过传统方式要制（zhì）定（dìng）全部所需（xū）的规则，而且在此过程中必然会涉及到（dào）一（yī）些（xiē）困难的概念，比（bǐ）如对毛（máo）茸茸的定义。因此，更好的方式（shì）是让机器自（zì）学。

我（wǒ）们可以为（wéi）计算机提供大量的猫的照（zhào）片，系统将以自己（jǐ）特（tè）有（yǒu）的方式查（chá）看这些照片。随着实验的反复进行，系统会不断学（xué）习（xí）更（gèng）新，最终能够准确地判断出哪些是猫，哪些不是猫。

什么（me）是深度学习？

深度（dù）学习(DeepLearning，DL)属（shǔ）于机器（qì）学习的子（zǐ）类。它的灵感（gǎn）来源于人类大脑的工作方式，是利（lì）用深度神（shén）经（jīng）网（wǎng）络来解决特征表达的一种学习过程。深度神经网络（luò）本身（shēn）并（bìng）非是一个全新（xīn）的概念，可理解为包含多个隐含层的神经网络（luò）结构。为了提高深层神经网（wǎng）络的训练效果，人（rén）们（men）对（duì）神（shén）经（jīng）元的连接方（fāng）法以及激活函数等方面做（zuò）出了（le）调整。其目的在（zài）于建立、模拟人脑进行分析学习的（de）神经网络，模仿人脑的机制来解释数（shù）据，如文本、图（tú）像、声（shēng）音（yīn）。

机器学习与深度学习的比较

1、应用场景

机器学习在指纹识别（bié）、特征物（wù）体检测等领域的应用基本达到（dào）了商业化的要（yào）求（qiú）。

深度学习主要应用于（yú）文字识别、人脸（liǎn）技术、语（yǔ）义分析、智（zhì）能监控等（děng）领域。目（mù）前在智能（néng）硬（yìng）件、教（jiāo）育（yù）、医疗等行业也在快速（sù）布局。

2、所需数据量

机器学习能够（gòu）适应各（gè）种数据量，特别（bié）是（shì）数据量较小（xiǎo）的场景。如果数据量迅（xùn）速（sù）增加，那么深度学（xué）习（xí）的效果（guǒ）将更加突出（chū），这是因为深度学习算（suàn）法需要大量数据才能完美理解。

3、执行时间

执行时间是指训练算（suàn）法所需要的时间量（liàng）。一（yī）般（bān）来说（shuō），深度学习算法需要大量时间进行训练（liàn）。这（zhè）是（shì）因为该算法包含有（yǒu）很多参（cān）数，因此训练它们需要比平时更长的时间。相对而言（yán），机器（qì）学习算（suàn）法的执行时（shí）间更少（shǎo）。

4、解决问题的方法（fǎ）

机器学习算法遵循标准程序以解（jiě）决问题。它将问题拆（chāi）分成数（shù）个部分（fèn），对其进行分别解决，而后（hòu）再（zài）将结（jié）果结合起来以获得所需的答案。深度学习则以集中方式解决问题（tí），而不必进行问（wèn）题拆分（fèn）。

在本文中，我们对机器学习与深（shēn）度学习的区别作出（chū）了简要概述。目前，这两种算法已（yǐ）被广泛应（yīng）用于商业（yè）领（lǐng）域，相信在未（wèi）来（lái），机器学习与深（shēn）度学习能够为更多行业带（dài）来令人激（jī）动的光（guāng）明前景（jǐng）。