深度學習與機器學習之間區別 - javaworld

banq發表於2020-01-09

機器學習和深度學習都是人工智慧的形式。您還可以正確地說,深度學習是一種特定的機器學習。機器學習和深度學習都從訓練和測試資料以及模型開始,然後經過最佳化過程以找到使模型最適合資料的權重。兩者都可以處理數字(迴歸)和非數字(分類)問題,在物件識別和語言翻譯等多個應用領域中,深度學習模型往往比機器學習模型更適合。

機器學習演算法通常分為有監督的(訓練資料用答案標記)和無監督的(可能存在的任何標籤均未顯示在訓練演算法中)。監督式機器學習問題又分為分類(預測非數字答案,例如錯過抵押貸款的可能性)和迴歸(預測數字答案,例如下個月在曼哈頓商店出售的小部件的數量);無監督學習又分為聚類(查詢相似物件的組,例如跑鞋,步行鞋和正裝鞋),關聯(查詢物件的常見序列,例如咖啡和奶油)和降維(投影,特徵選擇) ,以及特徵提取)。

深度學習是機器學習的一種形式,其中所訓練的模型在輸入和輸出之間具有多個隱藏層。在大多數討論中,深度學習意味著使用深度神經網路。但是,除了神經網路之外,還有一些演算法可以使用其他型別的隱藏層來實現深度學習。“人工”神經網路的思想可以追溯到1940年代。基本概念是,由相互連線的閾值
開關構建的人工神經元網路可以像動物大腦和神經系統(包括視網膜)一樣學習識別模式。

點選標題見原文

相關文章