深度学习和机器学习有什么区别？

2020-06-01 13:55发布

站内问答 / Python
1935 11 2
发送
11条回答
那些年很冒险的梦。
1楼 · 2020-06-01 13:58.采纳回答

机器学习4102有聚类算法和分类算法，这是常见的一些机器学习算法。网络上大多数资料都显示深度学习只是机器学习的一种特殊类型，今天我们从另一个角度来看，其实深度学习是另外一类算法的集合，深度学习的核心是网络深度和网络结构。1653网络深度是一个相对概念，没有说一个隐藏层要大于多少才算深度学习。

深度学习的另外一个核心是网络结构：深度自信网络、神经网络、循环网络、卷积网络都各自是一种结构。按照专结构的不同，有不同的分类，比如LSTM、ResNet都是一种特殊的属结构，而不是一种特殊的算法。LSTM是深度学习算法领域中的一种网络结构，千万不要理解为一种算法。

浮世
2楼 · 2022-03-10 15:04
深度学习的概念深度学习是神经网络的一个分支，深度学习的基本结构是深度神经网络。深度神经网络是一种具备至少一个隐含层的神经网络。与浅层神经网络相比，深度神经网络也能为复杂非线性系统建模，但多出的层次为模型提供了更高的抽象层次，因而提高了模型的拟合能力。深度神经网络通常是前馈型神经网络。多层前馈型神经网络都是深度神经网络，但是深度神经网络不都是多层前馈型神经网络,因为深度神经网络还包含了递归神经网络和卷积神经网络等深度神经网络说的是一种结构，而不是一种算法浅层学习（Shallow Learning）和深度学习（Deep Learning）前面讲的神经网络是含有一个隐含层的多层感知机，这样的模型是一种浅层模型。其他的常见浅层模型有：带有一层隐含层的支持向量机、Boosting模型，没有隐含层的逻辑回归模型。相对于深度学习而言，浅层模型不需要太多的训练技巧和方法，所以应用较快。在深度学习中，有不止一层隐含层，所以在特征抽取，隐含层的确定，多层训练等方面都遇到了理论和应用的难题。直到2006年，加拿大多伦多大学教授Hinton团队在深度信念网络（Deep Belief Network，DBN），给出了以下结论：多隐层的人工神经网络具有优异的特征学习能力，学习得到的特征对数据有更本质的刻画，从而有利于可视化或分类深度神经网络在训练上的难度，可以通过“逐层初始化”（layer-wise pre-training）来有效克服，比如是通过无监督学习来实现逐层初始化深度学习与神经网络深度学习网络与神经网络的相同之处在于具有相似的分层结构，系统由包括输入层、隐层（多层）、输出层组成的多层网络，只有相邻层节点之间有连接，同一层以及跨层节点之间相互无连接，这种分层结构比较接近人类大脑的结构。神经网络和深度神经网络传统的的神经网络一般只有2-3层隐含层，参数和计算单元有限，对复杂函数的表示能力有限，学习能力也有限，而深度神经网络隐藏层层数可以达到5-10层，甚至更多，并且引入了更高效的算法，深度神经网络的分层结构更接近于人类大脑的结构。区别于传统的浅层学习，深度学习的不同在于：强调了模型结构的深度，通常有5层、6层，甚至10多层的隐层节点明确突出了特征学习的重要性，也就是说通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更加容易与人工规则构造特征的方法相比，利用大数据来学习特征，更能够刻画数据的丰富内在信息
寄意
3楼 · 2022-03-10 15:04
人工智能(AI)是一个大概念，从有效的老式人工智能（GOFAI）到联结主义结构，无所不包。而机器学习(ML)则是人工智能领域的一个小分支，如果说AI是一个合集，那么ML就是AI的子集。任何通过数据训练的学习算法的相关研究都属于机器学习，包括很多已经发展多年的技术，比如线性回归（Linear Regression）、K均值（K-means，基于原型的目标函数聚类方法）、决策树（Decision Trees，运用概率分析的一种图解法）、随机森林（Random Forest，运用概率分析的一种图解法）、PCA（Principal Component Analysis，主成分分析）、SVM（Support Vector Machine，支持向量机）以及ANN（Artificial Neural Networks，人工神经网络）。而人工神经网络则是深度学习的起源。目前深度学习的热点主要是：我们已经拥有了可以商用的机器，只要给它们足够多的数据和足够长的时间，它们就能够自己学习。这要么是夸大了深度学习的现有技术水平，要么就是将深度学习的实践过于简化了。在过去的几年里，深度学习产生了大量的想法和技术，这些在以前要么是未知的，要么是站不住脚的。起初，这些概念是碎片化而且毫无关联的，但是随着时间的推移，大量的模式和方法开始涌现，深度学习设计模式这一领域也变得热闹起来。今天的深度学习不仅仅是具备多层架构的感知器，而是一系列能够用来构建可组合可微分的体系结构的技术和方法。这些具有超强能力的机器学习系统只不过是我们目前所能看到的冰山一角。关键在于，虽然深度学习目前看起来像点金术，但是总有一天我们会学会如何像操控化学一样操控它。有了这个基础，我们将能够更好的预测机器学习未来所能具备的能力。
守护在此方
4楼 · 2022-03-10 15:04
深度学习是机器学习的一个子集。机器学习包括回归，聚类，分类等多个类别。其中分类又包括knn，逻辑回归，贝叶斯，boost，随机森林，svm，神经网络等等多种方法。这其中神经网络这种方法可以设计成两层神经网络，三层神经网络，四层，五层，六层，甚至十几层几十层的神经网络。这种有很多层的神经网络就叫深层神经网络或深度神经网络，也就是深度学习。至于深度学习是怎么实现分类的，我觉得问此问题的人，大概不会太赶兴趣。那么深度学习和其他的机器学习有啥区别呢？我想了一下，区别主要三点∶一个是积极的，深度学习不需要人为的去提取特征（实际上是用多层的激励函数拟合了特征提取），其他的机器学习是特征加分类器，深度学习是数据加分类器。因为特征提取往往有很强的专业性，那么深度学习带来的好处是降低了专业门槛，使用深度学习做图像识别的人可以完全不懂图像处理的知识，使用深度学习做音频识别的人可以完全不懂音频处理的知识。另外一个是消极的，天下没有免费的午餐，深度学习比其他机器学习方法有更大的计算量，这个计算量的差别往往有几个量级。这就是机器学习很早被发明，但直到最近才火起来的原因（因为以前计算机的运算速度跟不上）。也是深度学习的应用受到限制的原因（比如很多嵌入式设备上根本跑不起来）。还有一点，深度学习的结果不可解释，深度学习的训练过程实际上是一个不断优化拟合结果的过程，它和人类由具象到抽象的学习过程不一样，所以机器学习有很多不确定性，因此在一些应用领域也（比如医学）被限制使用。
一生独一
5楼 · 2022-03-10 15:04
放张图可以看出关系。机器学习是人工智能的重要区域之一，深度学习是机器学习的分流之一。深度学习在前几年迅速蹿红的原因是突破了一些传统机器学习解决不了的问题。机器学习的意义在于代替人力完成重复的工作，识别出统一的规律（模式）。但对于传统的机器学习来说，特征的提取难度并不小（特征可以是像素、位置、方向等等）。特征的准确度会很大程度决定大多数机器学习算法的性能，为了使特征准确，将涉及到大量的人力投入特征工程的部分，来对特征进行调整改善。而这一系列工作的完成，是在数据集所含有的信息量足够并且易于识别这一前提下的，如果这一前提没有满足，传统机器学习算法会在杂乱的信息中丧失性能。深度学习的应用便是基于这一问题产生的，它的深层神经网络让它可以在杂乱中学习，自动发现任务所联系的特征（可以把它看成自发地学习特征工程），提取高层次的特征，因而大大减少了任务中在特征工程部份所要耗费的时间。另一明显的不同之处是二者对数据集大小的偏好。传统的机器学习在制定完善的规则下，在处理较小规模的数据时，会展示出很好的性能，深度学习反而表现不佳；随着数据集的规模不断变大，深度学习的性能才会逐渐展现出来，并且越来越优良。
我不会写诗
6楼 · 2022-05-18 17:38
算法不一样。我们所谓的机器学习，大部分使之常见的分类或者回归算法模型如支持向量机、随机森林等。这种算法一般是基于大量的原始数据，依赖其数学分布特性，进行统计学概率分析，所得到的模型一般适合于低纬度、分界清晰且无交叉的数据（普遍来说，存在部分模型适用于其他情况）。而且值得注意的是，机器学习模型是不具有时间依赖性的。而深度学习模型，一般是通过神经网络来搭建，神经网络层数可以达到非常深，甚至超过100层，使得输入数据与输出数据之间的数学表达关系极其复杂。深度学习模型可以处理复杂的分类或是回归问题，即便类别之间存在交叉，只要彼此之间拥有确定的分布情况，几乎都可以实现分类。对于像图片、音频这种高维度数据，也可以应付得来。LSTM的引入使得深度神经网络可以计算时间依赖性关系，即具有记忆性，可以根据前后的相关数据来分析该处数据的概率分布。两者各有优缺点，比如机器学习的快速、低硬件需求，和深度学习的复杂性、多样性等，需要根据实际问题选择适合的模型。
一花一树开
7楼 · 2022-05-18 17:38
很荣幸受邀回答这个问题：首先，想要明白深度学习和机器学习的关系，我们还要引入一个词汇，它就是人工智能。人工智能时代我们耳熟能详的三个词语是：人工智能（Artificial Intelligence）、机器学习（Machine Learning）、深度学习（Deep Learning）。它们之间是相互联系的，三者的关系可以用一个图表示：机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术，深度学习是机器学习的一种。深度学习与机器学习的主要区别是在于性能。当数据量很少的时候，深度学习的性能并不好，因为深度学习算法需要大量数据才能很好理解其中蕴含的模式。
自在安然
8楼 · 2022-05-18 17:38
两者不是同一个bailevel上的，深度学习是机器学习的一种du。最近火的发紫的深度学习实zhi际上指的的深度神经dao网络学习，普通神经网络由于训练代价较高，一般只有3-4层，而深度神经网络由于采用了特殊的训练方法加上一些小trick，可以达到8-10层。深度神经网络能够捕捉到数据中的深层联系，从而能够得到更精准的模型，而这些联系不容易被普通的机器学习方法所发觉。
快乐很简单
9楼 · 2022-05-18 17:38
机器学习在特定任务中通过学习数据的特征，帮助人类进行预测或决策。人工神经网络则是通过模拟人类的神经元，来达到学习数据的目的，因此人工神经网络是机器学习中的一中算法。人工神经网络中有层的概念，当网络的层数越深，其学习能力就越强，此时人工神经网络就变成了深度学习算法。结论：深度学习一种是具有强大学习能力的机器学习算法，其本质还是人工神经网络！
1 2 下一页

相关问题推荐

  • python中\n 是什么意思?2020-04-16 09:41
    回答 3

    换行。比如，print hello\nworld效果就是helloworld\n就是一个换行符。\是转义的意思，'\n'是换行，'\t'是tab，'\\'是，\ 是在编写程序中句子太长百，人为换行后加上\但print出来是一整行。...

  • python中有哪些简单的算法2020-06-10 17:06
    回答 42

    十种常见排序算法一般分为以下几种：（1）非线性时间比较类排序：a. 交换类排序（快速排序、冒泡排序）b. 插入类排序（简单插入排序、希尔排序）c. 选择类排序（简单选择排序、堆排序）d. 归并排序（二路归并排序、多路归并排序）（2）线性时间非比较类排序：...

  • 人工智能好找工作吗？2020-10-11 17:45
    回答 70
    已采纳

    前景很好，中国正在产业升级，工业机器人和人工智能方面都会是强烈的热点，而且正好是在3~5年以后的时间。难度，肯定高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程(基础的应用最广泛的语言：C/C++)必须得很好，微电子(数字电...

  • 迭代器和生成器的区别?2020-06-10 09:20
    回答 28

    迭代器与生成器的区别：（1）生成器：生成器本质上就是一个函数，它记住了上一次返回时在函数体中的位置。对生成器函数的第二次（或第n次）调用，跳转到函数上一次挂起的位置。而且记录了程序执行的上下文。生成器不仅记住了它的数据状态，生成器还记住了程序...

  • python中title( )是什么意思python 2020-09-02 11:59
    回答 9

    python中title( )属于python中字符串函数，返回’标题化‘的字符串，就是单词的开头为大写，其余为小写

  • python中cnt是什么意思python 2020-09-02 11:59
    回答 6

    第一种解释：代码中的cnt是count的简称，一种电脑计算机内部的数学函数的名字，在Excel办公软件中计算参数列表中的数字项的个数；在数据库( sq| server或者access )中可以用来统计符合条件的数据条数。函数COUNT在计数时，将把数值型的数字计算进去；但是...

  • python中的data[:, :-1]和data2020-12-30 11:21
    回答 1

    head是方法，所以需要取小括号，即dataset.head()显示的则是前5行。data[:, :-1]和data[:, -1]。另外，如果想通过位置取数据，请使用iloc，即dataset.iloc[:, :-1]和dataset.iloc[:, -1]，前者表示的是取所有行，但不包括最后一列的数据，结果是个DataFrame。...

  • Python入门简单吗2021-09-23 13:21
    回答 45

    挺简单的，其实课程内容没有我们想象的那么难、像我之前同学，完全零基础，培训了半年，直接出来就工作了，人家还在北京大公司上班，一个月15k，实力老厉害了

  • python的内建函数在什么位置内建函数 2022-04-02 16:28
    回答 4

    Python针对众多的类型，提供了众多的内建函数来处理(内建是相对于导入import来说的，后面学习到包package时，将会介绍)，这些内建函数功用在于其往往可对多种类型对象进行类似的操作，即多种类型对象的共有的操作；如果某种操作只对特殊的某一类对象可行，Pyt...

  • Python中注释前面加上引号是什么意思？python注释 2022-03-11 18:21
    回答 8

     相当于 ... 这里不是注释

  • 除了#TODO在pycharm还有哪些高亮的注释？python注释 2022-03-11 18:20
    回答 4

    还有FIXME

  • python写入数据到excel怎么保留excelExcel功能 2022-02-09 18:56
    回答 3

    python的两个库:xlrd和xlutils。 xlrd打开excel,但是打开的excel并不能直接写入数据,需要用xlutils主要是复制一份出来,实现后续的写入功能。

  • Python中注释的分类python注释 2022-01-17 18:20
    回答 8

    单行注释：Python中的单行注释一般是以#开头的，#右边的文字都会被当做解释说明的内容，不会被当做执行的程序。为了保证代码的可读性，一般会在#后面加一两个空格然后在编写解释内容。示例：#  单行注释print(hello world)注释可以放在代码上面也可以放在代...

  • 如何才能实现python文件读取中对注释行的识别python注释 2022-01-06 15:06
    回答 2

    主要是按行读取，然后就是写出判断逻辑来勘测行是否为注视行，空行，编码行其他的：import linecachefile=open('3_2.txt','r')linecount=len(file.readlines())linecache.getline('3_2.txt',linecount)这样做的过程中发现一个问题，...

  • pycharm 为什么按ctrl/不会取消注释而是python注释 2022-01-06 15:04
    回答 4

    或许是里面有没被注释的代码

  • 零基础学习Python需要多长时间，有没有推荐的课2021-10-20 17:23
    回答 26

    自学的话要看个人情况，可以先在B站找一下视频看一下

没有解决我的问题，去提问