python中機器學習和深度學習的區別究竟是什麼?

老男孩IT教育機構發表於2022-03-29

  IT行業迅速發展,許多新興技術不斷問世,人工智慧、雲原生、雲端計算、機器學習、深度學習等等新名詞逐漸出現在人們的視線中,其實深度學習主要還是屬於機器學習的範疇領域之內的,本篇文章我們來了解下兩者的具體區別有哪些,請看下文:

  | 機器學習的演算法流程 |

  1、資料集準備

  2、探索性地對資料進行分析

  3、資料預處理

  4、資料分割

  5、機器學習演算法建模

  6、選擇機器學習任務

  7、評價機器學習演算法對實際資料的應用情況如何

  首先我們要研究的是資料問題,資料集是構建機器學習模型流程的起點,進行探索性資料分析是為了獲得對資料的初步瞭解。探索性資料分析方法簡單來說就是去了解資料,分析資料,搞清楚資料的分佈。主要注重資料的真實分佈,強調資料的視覺化,使分析者能一目瞭然看出資料中隱含的規律,從而得到啟發,以此幫助分析者找到適合資料的模型。

  資料預處理,其實就是對資料進行清理、資料整理或普通資料處理。指對資料進行各種檢查和校正過程,以糾正缺失值、拼寫錯誤、使數值正常化/標準化以使其具有可比性、轉換資料(如對數轉換)等問題。

  | 深度學習的演算法流程 |

  深度學習最佳化了資料分析,建模過程的流程也是縮短了,由神經網路統一了原來機器學習中百花齊放的演算法。

  1、資料集準備

  2、資料預處理

  3、資料分割

  4、定義神經網路模型

  5、訓練網路

  深度學習不需要我們自己去提取特徵,而是透過神經網路自動對資料進行高維抽象學習,減少了特徵工程的構成,在這方面節約了很多時間。

  但是同時因為引入了更加深、更復雜的網路模型結構,所以調參工作變得更加繁重啦。例如:定義神經網路模型結構、確認損失函式、確定最佳化器,最後就是反覆調整模型引數的過程。


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69952527/viewspace-2884755/,如需轉載,請註明出處,否則將追究法律責任。

相關文章