機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的核心區(qū)別

↑↑↑點(diǎn)擊上方藍(lán)字，回復(fù)資料，10個(gè)G的驚喜

初學(xué)者數(shù)據(jù)科學(xué)家面臨的首要問題之一是了解深度學(xué)習(xí)和機(jī)器學(xué)習(xí)之間的區(qū)別。一般來說，機(jī)器學(xué)習(xí)遍及整個(gè)人工智能世界，而深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子類別。

然而，這并沒有給你任何有價(jià)值的見解。在本文中，我想更深入地挖掘機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法之間的結(jié)構(gòu)差異，以便你了解它們的主要區(qū)別是什么以及如何發(fā)現(xiàn)它們。

為什么要理解差異？

如果你渴望成為一名更好的數(shù)據(jù)科學(xué)家，那么了解要使用的算法類別非常重要。此外，了解如何對算法進(jìn)行分類將幫助你將它們放在一個(gè)結(jié)構(gòu)中，并使你能夠理解它們在主題內(nèi)容層次結(jié)構(gòu)中的位置。

技術(shù)上有什么區(qū)別？

實(shí)際上，理解這兩類算法之間的區(qū)別非常簡單：它們的架構(gòu)不同。除非你已經(jīng)熟悉編程，否則沒有一種簡單的方法來定義“架構(gòu)”一詞，將其想象為具有算法的所有結(jié)構(gòu)的集合和序列。這是深度學(xué)習(xí)架構(gòu)的圖形表示：

神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)）架構(gòu)

相反，機(jī)器學(xué)習(xí)沒有任何特征架構(gòu)。幾種不同的算法，具有不同的任務(wù)，可以歸類為深度學(xué)習(xí)。

深度學(xué)習(xí)有兩層或多層神經(jīng)元。因此，所有使用神經(jīng)網(wǎng)絡(luò)架構(gòu)構(gòu)建的算法都被歸類為深度學(xué)習(xí)。所有其他算法都?xì)w類為機(jī)器學(xué)習(xí)。

算法混合

實(shí)際上，有些算法可以解決機(jī)器學(xué)習(xí)解決的相同任務(wù)，例如回歸或分類問題，但具有部分或整體架構(gòu)。一些例子是多層感知器，它只使用深度學(xué)習(xí)來解決回歸和分類問題，還有支持向量機(jī)，它部分使用神經(jīng)層來解決分類問題。

如何輕松分辨？

就我個(gè)人而言，這就是我輕松對它們進(jìn)行分類的方式。首先，我確定我可以使用機(jī)器學(xué)習(xí)解決哪些任務(wù)：

• 回歸

• 分類

• 聚類

• 降維

• 協(xié)會

如果我使用的算法正在解決這些任務(wù)之一并且沒有任何神經(jīng)層，那么它就是機(jī)器學(xué)習(xí)。如果它的架構(gòu)有一個(gè)神經(jīng)層（有一些額外的任務(wù)只能通過像生成對抗網(wǎng)絡(luò)這樣的神經(jīng)網(wǎng)絡(luò)才能解決）可以歸類為深度學(xué)習(xí)。

本文轉(zhuǎn)載來自：https://pub.towardsai.net/machine-learning-vs-deep-learning-783a87e00126

作者：Michelangiolo Mazzeschi

推薦閱讀
（點(diǎn)擊標(biāo)題可跳轉(zhuǎn)閱讀）
神經(jīng)網(wǎng)絡(luò)入門
統(tǒng) 計(jì) 學(xué) 無 用 了 ？？？
神經(jīng)網(wǎng)絡(luò)的可解釋性綜述！
測評：《機(jī)器學(xué)習(xí)中的數(shù)學(xué)》
統(tǒng)治世界的 10 大算法，你知道幾個(gè)？
清華大學(xué)出版！《機(jī)器學(xué)習(xí)導(dǎo)論》PDF下載
老鐵，三連支持一下，好嗎？↓↓↓