機器學習和深度學習的區別是什么？隨著業內對數據科學和機器學習使用的日益增長的趨勢，對于每個想要生存下來的公司來說，重視機器學習將變得非常重要。今天小編從應用場景、所需數據量、數據依賴性、硬件依賴、特征處理、執行時間、解決問題的方法這幾個方面的對比他們之前的區別。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　深度學習與機器學習的主要區別是在于性能。當數據量很少的時候，深度學習的性能并不好，因為深度學習算法需要大量數據才能很好理解其中蘊含的模式，接下來我們具體分析下。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　一、機器學習和深度學習概念：6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　1、機器學習　　機器學習(Machine Learning，ML)是人工智能的子領域，也是人工智能的核心。它囊括了幾乎所有對世界影響**大的方法(包括深度學習)。機器學習理論主要是設計和分析一些讓計算機可以自動學習的算法。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　2、深度學習　　深度學習(DeepLearning，DL)屬于機器學習的子類。它的靈感來源于人類大腦的工作方式，是利用深度神經網絡來解決特征表達的一種學習過程。深度神經網絡本身并非是一個全新的概念，可理解為包含多個隱含層的神經網絡結構。為了提高深層神經網絡的訓練效果，人們對神經元的連接方法以及激活函數等方面做出了調整。其目的在于建立、模擬人腦進行分析學習的神經網絡，模仿人腦的機制來解釋數據，如文本、圖像、聲音。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　深度學習是一種特殊的機器學習，通過學習將世界使用嵌套的概念層次來表示并實現巨大的功能和靈活性，其中每個概念都定義為與簡單概念相關聯，而更為抽象的表示則以較不抽象的方式來計算。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　機器學習與深度學習的區別：6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　1、應用場景　　機器學習在指紋識別、特征物體檢測等領域的應用基本達到了商業化的要求。深度學習主要應用于文字識別、人臉技術、語義分析、智能監控等領域。目前在智能硬件、教育、醫療等行業也在快速布局。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　2、所需數據量　　機器學習能夠適應各種數據量，特別是數據量較小的場景。如果數據量迅速增加，那么深度學習的效果將更加突出，這是因為深度學習算法需要大量數據才能完美理解。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　3、數據依賴性　　深度學習與傳統的機器學習**主要的區別在于隨著數據規模的增加其性能也不斷增長。當數據很少時，深度學習算法的性能并不好。這是因為深度學習算法需要大量的數據來完美地理解它。另一方面，在這種情況下，傳統的機器學習算法使用制定的規則，性能會比較好。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　3、硬件依賴　　深度學習算法需要進行大量的矩陣運算，GPU 主要用來高效優化矩陣運算，所以 GPU 是深度學習正常工作的必須硬件。與傳統機器學習算法相比，深度學習更依賴安裝 GPU 的高端機器。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　4、特征處理　　特征處理是將領域知識放入特征提取器里面來減少數據的復雜度并生成使學習算法工作的更好的模式的過程。特征處理過程很耗時而且需要專業知識。在機器學習中，大多數應用的特征都需要專家確定然后編碼為一種數據類型。特征可以使像素值、形狀、紋理、位置和方向。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　大多數機器學習算法的性能依賴于所提取的特征的準確度。深度學習嘗試從數據中直接獲取高等級的特征，這是深度學習與傳統機器學習算法的主要的不同。基于此，深度學習削減了對每一個問題設計特征提取器的工作。例如，卷積神經網絡嘗試在前邊的層學習低等級的特征(邊界，線條)，然后學習部分人臉，然后是高級的人臉的描述。更多信息可以閱讀神經網絡機器在深度學習里面的有趣應用。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　5、執行時間　　執行時間是指訓練算法所需要的時間量。一般來說，深度學習算法需要大量時間進行訓練。這是因為該算法包含有很多參數，因此訓練它們需要比平時更長的時間。相對而言，機器學習算法的執行時間更少。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　通常情況下，訓練一個深度學習算法需要很長的時間。這是因為深度學習算法中參數很多，因此訓練算法需要消耗更長的時間。**先進的深度學習算法 ResNet完整地訓練一次需要消耗兩周的時間，而機器學習的訓練會消耗的時間相對較少，只需要幾秒鐘到幾小時的時間。 6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　但兩者測試的時間上是完全相反。深度學習算法在測試時只需要很少的時間去運行。如果跟 k-nearest neighbors（一種機器學習算法）相比較，測試時間會隨著數據量的提升而增加。不過這不適用于所有的機器學習算法，因為有些機器學習算法的測試時間也很短。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　6、解決問題的方法　　機器學習算法遵循標準程序以解決問題。它將問題拆分成數個部分，對其進行分別解決，而后再將結果結合起來以獲得所需的答案。深度學習則以集中方式解決問題，而不必進行問題拆分。當應用傳統機器學習算法解決問題的時候，傳統機器學習通常會將問題分解為多個子問題并逐個子問題解決**后結合所有子問題的結果獲得**終結果。相反，深度學習提倡直接的端到端的解決問題。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺

　　對于機器學習和深度學習的研究是持續的，機器學習和深度學習方面的研究將在業界和學術界都有爆發式的發展。且擁有比以往更多的資助，更有可能成為人類整體發展的主旋律。6J8少兒編程網-Scratch_Python_教程_免費兒童編程學習平臺