机器学（xué）习与深度学习（xí）的（de）区别？

近年来，随着科技的快速发展，人工智能不断进（jìn）入我们的视（shì）野中。作为（wéi）人工智能的核心技术，机器学习和深（shēn）度学习也（yě）变得（dé）越（yuè）来越火。一时（shí）间，它们几（jǐ）乎成为（wéi）了每个人都在谈论的话题。那么（me），机器学习（xí）和深度学习到底是（shì）什么，它们（men）之间究竟有什么不同呢？

什么是机器学习？

机器学（xué）习(Machine Learning，ML)是人工智能的（de）子领域（yù），也（yě）是（shì）人工（gōng）智能的核心。它（tā）囊括了（le）几乎所有对世界影响最大的方法（fǎ）(包括（kuò）深度学习（xí）)。机器（qì）学习（xí）理论主要是设计和分析一些让计算机可以自动学习的（de）算法。

举（jǔ）个例子，假设要构建一个（gè）识别猫的程序（xù）。传统上如果（guǒ）我们想（xiǎng）让（ràng）计算（suàn）机进行识别，需要输入一串指令，例（lì）如猫长着毛茸茸的毛、顶（dǐng）着一对三角（jiǎo）形的的耳朵（duǒ）等，然后计算机根据这些指令执行下去（qù）。但（dàn）是如果我们对程序展示一只（zhī）老虎的照片，程（chéng）序应该（gāi）如何反应（yīng）呢？更何况（kuàng）通（tōng）过传统方式（shì）要（yào）制定全部所需的规则，而且在此过程中必然会涉及到一些困（kùn）难的概念，比如对毛茸（róng）茸（róng）的定义。因此，更好的方（fāng）式是让机器自（zì）学。

我们可以为（wéi）计算机提供大量的猫的照片，系统将以自己（jǐ）特有（yǒu）的方式查看这些（xiē）照片。随着（zhe）实验的反复进行，系（xì）统会（huì）不断（duàn）学习更新，最终（zhōng）能够准确地判断出哪些是猫，哪些不是猫。

什么是深（shēn）度学习？

深度学（xué）习(DeepLearning，DL)属于机（jī）器学习（xí）的子（zǐ）类。它（tā）的（de）灵感来源于人类大脑的（de）工（gōng）作方式，是利用（yòng）深度神经网络来（lái）解决特（tè）征表达的一种学习过程。深（shēn）度神经网络本身并非（fēi）是一个全新的概念（niàn），可理解为包含（hán）多（duō）个（gè）隐含层的神经网络结构（gòu）。为了提高（gāo）深层神经网（wǎng）络的（de）训练效果，人们对神经元的连接方法以及激活函数等方面（miàn）做出了调整。其目的在于（yú）建立、模拟人脑进（jìn）行（háng）分（fèn）析学（xué）习的神经网（wǎng）络，模仿人（rén）脑（nǎo）的（de）机制来解释数据，如（rú）文本、图（tú）像、声音。

机器学习（xí）与深度学习的（de）比较

1、应用场（chǎng）景

机器学习在指纹识别、特（tè）征物体检测等领域的应用基本达（dá）到了商（shāng）业化的（de）要求。

深度学习主要应（yīng）用于文字识别、人（rén）脸技（jì）术、语义分析、智（zhì）能监（jiān）控等领（lǐng）域（yù）。目前在（zài）智能硬（yìng）件、教（jiāo）育、医疗等行（háng）业（yè）也在（zài）快速布局（jú）。

2、所（suǒ）需数据量

机器学习能够适应各种数（shù）据量，特别是数据量较小（xiǎo）的场景。如果（guǒ）数（shù）据量迅速增（zēng）加，那么深度学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（měi）理解（jiě）。

3、执行（háng）时间（jiān）

执行时间是指训练算法所需（xū）要的时间量。一般来说，深度学习（xí）算法（fǎ）需（xū）要大量时（shí）间进行训练。这是因为该算法包含有很多参（cān）数，因此训练它们需要比平时（shí）更长的时间。相对而（ér）言，机（jī）器学习算法的执行时间更少。

4、解决（jué）问题（tí）的方（fāng）法（fǎ）

机器学习算法（fǎ）遵循标准程序以解（jiě）决问（wèn）题。它（tā）将问题拆分成数个部分，对（duì）其进行分（fèn）别（bié）解（jiě）决，而后再将结果（guǒ）结合起（qǐ）来以（yǐ）获得（dé）所需的答案。深度学习则以集中方（fāng）式解决问题，而不必进行问题拆分。

在（zài）本文中，我们对机（jī）器学习与深度学习的区别作出了（le）简要概述。目前，这两（liǎng）种算法已被（bèi）广泛应用（yòng）于商（shāng）业领（lǐng）域，相（xiàng）信在未来（lái），机器学习与（yǔ）深度（dù）学习（xí）能（néng）够（gòu）为更多行业带来令人激动的光明前景。