机器学习与深度学习（xí）的（de）区别？

近年来（lái），随着科技的快速发展（zhǎn），人工（gōng）智能不断（duàn）进入我们的（de）视野中（zhōng）。作为人工智（zhì）能的核心技术，机器学习和深度学习也变（biàn）得越来越火。一时（shí）间（jiān），它们几乎（hū）成为了每个人都在谈论（lùn）的话（huà）题。那么，机器学习和深度学习到底是什（shí）么，它们之间究竟有什么不同呢（ne）？

什么是机器学习？

机器学习(Machine Learning，ML)是人工智能的子领域，也是人工智能的核心。它囊（náng）括（kuò）了几乎所有对世界影（yǐng）响最大的方法（fǎ）(包括（kuò）深度学习)。机器学习理论主要（yào）是设计和分析一些让计算机（jī）可以（yǐ）自（zì）动学（xué）习的（de）算（suàn）法。

举个例子，假（jiǎ）设要构建（jiàn）一个（gè）识别（bié）猫的程序。传统（tǒng）上如果我们想让计（jì）算机进行识（shí）别，需（xū）要输入一串指令，例如猫（māo）长着毛茸茸（róng）的毛、顶着一对三角形的的耳朵等，然（rán）后计算（suàn）机根（gēn）据这些（xiē）指令执行下去。但是如（rú）果我们对程序展示一（yī）只老虎（hǔ）的（de）照片，程序应该如何反应呢？更何况通过传统方式（shì）要制定全部所需的规则，而且在此过程中必（bì）然会涉及到（dào）一些困难的概念，比如对毛茸茸的定义。因此，更好的方（fāng）式是（shì）让机器自学。

我们可以为计算（suàn）机提供大量的猫（māo）的照（zhào）片，系统将（jiāng）以（yǐ）自（zì）己特有（yǒu）的方式查看这些照片（piàn）。随着实验的反复进（jìn）行，系（xì）统会不断（duàn）学（xué）习更新，最终能够准（zhǔn）确地判断出哪些是猫（māo），哪些不是猫。

什么（me）是深度（dù）学习？

深度学习（xí）(DeepLearning，DL)属于机器学习的子类。它的（de）灵感来源（yuán）于人类大脑的工（gōng）作方式（shì），是利用深度神经网络来解决特征（zhēng）表达的一（yī）种学习过程。深（shēn）度神经网络（luò）本身并非是一（yī）个全新（xīn）的概念，可理解为包（bāo）含（hán）多（duō）个隐含层的神经网（wǎng）络结构。为了（le）提高深层神经网络（luò）的训练效果，人们对神经元的（de）连接方（fāng）法以及激活（huó）函数等方面做出了调整（zhěng）。其目的在于建立、模拟（nǐ）人脑进行分析学习的神（shén）经（jīng）网络，模仿人（rén）脑的机制（zhì）来解释数据，如（rú）文（wén）本、图像、声音。

机器学习与深度（dù）学习的比较

1、应用场景

机器学习在指纹识别、特征物体（tǐ）检测等领域的应用基（jī）本（běn）达（dá）到了商业化的（de）要求。

深（shēn）度学习主要应用于文字识别（bié）、人脸技术、语义分析、智（zhì）能监控等领域。目前在智能硬件（jiàn）、教育、医疗等（děng）行业也在快（kuài）速布局。

2、所需数据量

机器（qì）学习能够适应各（gè）种数据（jù）量，特别（bié）是数（shù）据量较小的（de）场景（jǐng）。如果数据（jù）量迅（xùn）速增加，那么深度学习的效果将更加突（tū）出，这是因为深度学习算法需要大量数据（jù）才能完美理解。

3、执行时间

执行时间（jiān）是指训练算（suàn）法所需要的时间量（liàng）。一般来说，深度学习算法需要大量时（shí）间进行训练。这（zhè）是因（yīn）为该算法包含有很（hěn）多（duō）参数，因此训练（liàn）它们需要比平时更长的时间。相对而（ér）言（yán），机器（qì）学习算法的执（zhí）行时（shí）间更少。

4、解（jiě）决问题的方法（fǎ）

机（jī）器学习算法遵循标准程序（xù）以解决问题。它将（jiāng）问（wèn）题拆分成数个部分，对其进行分别解决，而后再将结果结合起来（lái）以获得所需的答案。深度（dù）学习（xí）则（zé）以集中（zhōng）方式解决问题，而不必进行问题拆分。

在（zài）本文中，我（wǒ）们对机器学习与（yǔ）深（shēn）度学习的区别作出了（le）简要概述。目前，这两种算（suàn）法已被广泛应用于商业领域，相信在未来，机器学习与深度学习（xí）能（néng）够为更多行业带来令人激动的光（guāng）明前景。