机（jī）器学习与深度（dù）学（xué）习（xí）的区别（bié）？

近年来，随着科技的快速发展（zhǎn），人（rén）工（gōng）智（zhì）能不断进（jìn）入（rù）我们的视野中。作为人工（gōng）智能的核心技（jì）术，机（jī）器学（xué）习和深度学习也变得越（yuè）来越火。一时间，它（tā）们几乎成为了（le）每个人都在谈论的话题（tí）。那么，机器学习和（hé）深（shēn）度学习到底是什么，它们之（zhī）间究竟（jìng）有（yǒu）什么不同呢？

什么是机器学习？

机器（qì）学习(Machine Learning，ML)是人工智能的子（zǐ）领域（yù），也是人工智（zhì）能的核心。它囊括了几乎（hū）所有对世界（jiè）影（yǐng）响（xiǎng）最大（dà）的（de）方法(包括深度学习)。机器学（xué）习（xí）理论（lùn）主要是设计和分（fèn）析一些让（ràng）计算机可以自动学习的算法。

举个例子，假设要构建一（yī）个识（shí）别（bié）猫的程序（xù）。传统上如果我们想（xiǎng）让计算（suàn）机（jī）进行识别，需要输入一串指（zhǐ）令，例（lì）如猫长着毛茸茸的毛（máo）、顶着一对三角形的的耳朵（duǒ）等，然后（hòu）计算机（jī）根（gēn）据这些指令执（zhí）行下去。但是如（rú）果我们对程序展（zhǎn）示一只老虎的（de）照片，程（chéng）序应该如何反应呢（ne）？更何况通过（guò）传统方式要（yào）制定全部（bù）所需的规则，而（ér）且（qiě）在（zài）此过程中必然会涉及到一些困难的（de）概念，比如对毛茸（róng）茸的定义。因此，更好的方式是让机器自学（xué）。

我们可以为计算（suàn）机提供（gòng）大量（liàng）的猫的照片，系统将以（yǐ）自己特有的方式查看（kàn）这些照片。随着（zhe）实验的反复进行（háng），系统会不（bú）断学习（xí）更新，最终能够准确地判断出哪（nǎ）些（xiē）是（shì）猫，哪些（xiē）不是猫。

什（shí）么是深（shēn）度学习（xí）？

深度学习(DeepLearning，DL)属于机器学习的（de）子（zǐ）类。它的（de）灵感（gǎn）来（lái）源于人类大脑的工作（zuò）方式，是利用深度神经网（wǎng）络来解决特征表达的一种学习过程。深度神（shén）经网（wǎng）络本身（shēn）并非是（shì）一个全新的概念（niàn），可理解为包含多个（gè）隐（yǐn）含层的神经网络结构。为了提（tí）高深层神经网络的训练效果，人们对神经元（yuán）的连接方（fāng）法以及（jí）激活函数等方面做出了（le）调整。其（qí）目的在于（yú）建立、模拟（nǐ）人脑进行分析学习（xí）的神经（jīng）网络，模仿人脑的机制（zhì）来解释数据，如文本、图像、声音。

机器学习与深（shēn）度学（xué）习的比较

1、应用场景

机器学习在指纹（wén）识别（bié）、特征物体检测等领域（yù）的应用基本达到了商业化的（de）要求（qiú）。

深度（dù）学习主（zhǔ）要应用于文字识别、人（rén）脸技（jì）术、语义分析、智能监控等领域。目（mù）前在智能硬件（jiàn）、教育、医疗等行业也在（zài）快速（sù）布局。

2、所需数据量

机器（qì）学习能够适应各种数据量（liàng），特别是数据量较小的场景（jǐng）。如果数（shù）据（jù）量迅速增加，那么深度学（xué）习的效果将更加突出，这是因为（wéi）深度学习算法（fǎ）需要大量数据才能完美理解。

3、执行时间（jiān）

执行时（shí）间是指训练算法所需要的时间量。一般来说，深度学习算法需要大量时间进行训（xùn）练。这是因（yīn）为该算法（fǎ）包含有很多参数，因此训练它们需（xū）要（yào）比平时更长的时间。相（xiàng）对而（ér）言，机器学习算法的执行时间更少。

4、解决问题的方法

机器学习算法遵循标（biāo）准程序（xù）以解决问题。它（tā）将问题拆分成数个部分，对（duì）其（qí）进（jìn）行（háng）分（fèn）别解（jiě）决，而后（hòu）再将（jiāng）结果（guǒ）结合起来以获（huò）得所需的答案。深度（dù）学习（xí）则（zé）以集（jí）中方式解决问题，而不必进行（háng）问（wèn）题拆（chāi）分。

在本（běn）文中，我（wǒ）们对机器学习与（yǔ）深度（dù）学习的（de）区别作（zuò）出了简要概述。目前（qián），这两种算法已被广泛应用（yòng）于商业领域，相信（xìn）在（zài）未来（lái），机器学习与深度（dù）学习能够为更多行业带来（lái）令人激动的光明前景。