机器学习与深度学习的（de）区别？

近年来，随着科技的快速发展，人工智能不断进入我们的视野中。作为（wéi）人工（gōng）智能的（de）核心技术，机器学习和深度（dù）学习也变得越来越（yuè）火。一时间（jiān），它们几乎成为了每个人都在谈论的（de）话题。那么，机器（qì）学习和深度学习到底是什么，它们之（zhī）间究竟有什么不同呢？

什（shí）么是机器学（xué）习（xí）？

机器学习（xí）(Machine Learning，ML)是人工智（zhì）能（néng）的子领域，也是人工智能的核心。它囊括了几乎所有对世界影响最大的方法(包括深度学（xué）习)。机器（qì）学习理论主要（yào）是（shì）设计和分析一些让计算（suàn）机可以自动学习的算（suàn）法（fǎ）。

举（jǔ）个例子，假设要构建一个识别（bié）猫的程序。传统上如果（guǒ）我（wǒ）们（men）想让计算机进行识别（bié），需（xū）要输入一串指令，例如（rú）猫长着毛（máo）茸（róng）茸的毛、顶着（zhe）一（yī）对（duì）三角形的的耳朵等，然后计算机根（gēn）据这些指令执（zhí）行（háng）下去。但（dàn）是如（rú）果我（wǒ）们对（duì）程序（xù）展示（shì）一只老（lǎo）虎的（de）照片，程序应该如何反应呢？更何况通过传统方式要制定（dìng）全（quán）部所需的（de）规则，而且在此过程中必然会（huì）涉及到（dào）一些（xiē）困（kùn）难的概（gài）念，比如（rú）对（duì）毛茸茸（róng）的定义。因此（cǐ），更好（hǎo）的（de）方式是让机器自学。

我们可以为（wéi）计算机提供大量的猫（māo）的照片，系统将（jiāng）以自己特有（yǒu）的方式查看（kàn）这些照片。随着实（shí）验的反复进行，系（xì）统会不断学（xué）习更新，最终能够准确地判断出哪些（xiē）是猫，哪些不是猫。

什么是深度学习？

深度（dù）学习（xí）(DeepLearning，DL)属于机器学习的子类（lèi）。它的灵感（gǎn）来源于（yú）人类大脑的工作方式，是利用深度神经网络来解决特（tè）征（zhēng）表达的一种学习（xí）过程。深度神（shén）经网络本身并非是一（yī）个全新的概念，可理解为包（bāo）含（hán）多个隐含层的神经网（wǎng）络结构。为了提高深（shēn）层神（shén）经网络（luò）的训练效果，人（rén）们对神经（jīng）元的连（lián）接方法以及激活函数等（děng）方面做出了调整。其（qí）目的在于建立（lì）、模拟人（rén）脑进行分析学习的神经网络，模（mó）仿人脑的机（jī）制（zhì）来（lái）解释（shì）数据，如文本、图像、声音。

机（jī）器（qì）学（xué）习与深度学习的比较

1、应用场景

机器学习在（zài）指纹识别（bié）、特征物体检（jiǎn）测等领域的应用基本达到了商业（yè）化的要求。

深度（dù）学（xué）习（xí）主要应用于文字识（shí）别（bié）、人脸技术、语义分析（xī）、智能监控等领域。目前在智能硬件、教（jiāo）育、医疗等行业也在（zài）快速布局（jú）。

2、所需（xū）数据（jù）量

机器学（xué）习能够（gòu）适应各种数据量，特别是数据量（liàng）较小（xiǎo）的场景。如果数（shù）据量迅速增加，那么（me）深度学习的效（xiào）果将（jiāng）更加突出，这是因为深度学习算法需要大量数（shù）据才能完美理解。

3、执行（háng）时间

执行时间是指训练算法（fǎ）所需要的时（shí）间量（liàng）。一般来说，深度（dù）学习算法需要大（dà）量（liàng）时间进行训（xùn）练。这是（shì）因为该算法（fǎ）包含（hán）有很（hěn）多参数，因此训练它们需要比平时更长的时间。相对而言，机器（qì）学习算（suàn）法的执行时间更少。

4、解（jiě）决问题的方法

机器学习算法遵循（xún）标准程序以解决问题。它将问题拆分成数个部分，对其进行分别解决，而后再将结（jié）果结（jié）合起来以获得所（suǒ）需的答案。深度学习（xí）则以集中方式解决问题，而不必进行问题拆分（fèn）。

在（zài）本文中，我们对机器学习与深度（dù）学（xué）习（xí）的区别作出了简要概述（shù）。目前，这两种算法已被广泛应用于商业领（lǐng）域，相信在（zài）未来，机器学习与（yǔ）深度学（xué）习能够为更（gèng）多行业带来令人激动的光明前（qián）景（jǐng）。