机器学习（xí）与深（shēn）度学习（xí）的区别（bié）？

近年来，随（suí）着科技的快（kuài）速（sù）发展，人工智能不断进（jìn）入我们的视野中。作为人工智能的核心技术，机器学习和深度（dù）学习也变得越来越火（huǒ）。一时间，它们几（jǐ）乎（hū）成为了每（měi）个（gè）人都在谈论的话题（tí）。那（nà）么，机（jī）器学习和深度学（xué）习（xí）到（dào）底是（shì）什么，它们之间究竟有什么不同呢？

什（shí）么（me）是机器学习？

机（jī）器学习(Machine Learning，ML)是（shì）人工智能的（de）子（zǐ）领（lǐng）域，也（yě）是人工智能的核心。它（tā）囊括了几乎（hū）所有对（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（jì）和分析一些（xiē）让计（jì）算机可以（yǐ）自（zì）动（dòng）学习的算法。

举个例（lì）子，假（jiǎ）设要构建一个识别猫（māo）的程（chéng）序。传统上如果我（wǒ）们想让计（jì）算机（jī）进行识（shí）别，需要输（shū）入一串指令，例（lì）如猫长着毛茸茸的（de）毛、顶着一对三角形的的耳朵等，然（rán）后（hòu）计（jì）算机根据这些指令执（zhí）行下去。但是如果我们对程（chéng）序展（zhǎn）示一只老虎的照片，程序应该如（rú）何反（fǎn）应呢（ne）？更何况通过传统方式（shì）要制（zhì）定全部所（suǒ）需的规则，而且（qiě）在此（cǐ）过程中必然会涉及到（dào）一些困难的概念，比如对毛茸茸的定义。因此，更（gèng）好（hǎo）的（de）方式是（shì）让机（jī）器自学。

我们可以为计算机（jī）提供大量的（de）猫的照（zhào）片，系统（tǒng）将以自己（jǐ）特有（yǒu）的方式查看这（zhè）些照（zhào）片。随着实验的反复进行，系统会不断学习更新，最终能（néng）够准确地（dì）判断出哪些是猫，哪些不（bú）是猫。

什（shí）么（me）是深度学习？

深度学习(DeepLearning，DL)属于（yú）机器学（xué）习的子类。它的灵感来源于人类大脑的工（gōng）作（zuò）方式（shì），是利（lì）用深度（dù）神经网络来解决特征表达的一种学习过程。深度神（shén）经网（wǎng）络本身并非是一个全新（xīn）的概念（niàn），可（kě）理（lǐ）解为包含多个（gè）隐含层的（de）神经网络（luò）结构。为了提高（gāo）深层神经网（wǎng）络的训练效果，人们对神（shén）经元（yuán）的连接方法以及激活函数等方面做出了调整。其目（mù）的在于建立、模拟人脑进行分（fèn）析学习的（de）神经网（wǎng）络（luò），模（mó）仿人脑的机（jī）制来解释数（shù）据，如文本、图（tú）像、声音。

机器学习与深度学习的比（bǐ）较

1、应用场景

机（jī）器（qì）学（xué）习在指纹识别、特征物体检测等（děng）领（lǐng）域的应用基本达到了商业化（huà）的要求。

深度学习主要应用于文字识（shí）别、人脸技术、语义（yì）分析（xī）、智能（néng）监控（kòng）等领域。目前在智能硬件、教育、医疗等行业也在快（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，特别是数据量较小的场景。如果（guǒ）数据量迅速增加，那么深度学习的效果将更加（jiā）突出（chū），这是因（yīn）为深度学习（xí）算法需要大量数据（jù）才能完美理解。

3、执行（háng）时间

执行时间（jiān）是指训练算法所需要的时（shí）间量。一般来（lái）说，深度（dù）学习算法需要大量时间进行训练（liàn）。这是因为该算法包含有很多参数（shù），因此训练它们需（xū）要比（bǐ）平时更长的时间。相对而言，机器学习算法的执行时间更少。

4、解决（jué）问题的方法

机器学习（xí）算法遵（zūn）循标准程（chéng）序以解（jiě）决问题。它将问题拆分成数个部分（fèn），对其进行分别解决，而后再将结果结合起（qǐ）来以获得所（suǒ）需的答（dá）案（àn）。深（shēn）度学（xué）习则（zé）以集中方式解决问题，而（ér）不（bú）必进行问题拆分。

在（zài）本文中（zhōng），我们对机器学习与深度（dù）学习的区别（bié）作出了简要概述（shù）。目前（qián），这两种算法已被广泛（fàn）应用于商业（yè）领（lǐng）域，相信在（zài）未来（lái），机器学习与深度（dù）学习能（néng）够（gòu）为（wéi）更多（duō）行业带来令人激动（dòng）的光明（míng）前景。