深度学习与机器学习之间区别 - javaworld

20-01-09 banq

机器学习和深度学习都是人工智能的形式。您还可以正确地说,深度学习是一种特定的机器学习。机器学习和深度学习都从训练和测试数据以及模型开始,然后经过优化过程以找到使模型最适合数据的权重。两者都可以处理数字(回归)和非数字(分类)问题,在对象识别和语言翻译等多个应用领域中,深度学习模型往往比机器学习模型更适合。

机器学习算法通常分为有监督的(训练数据用答案标记)和无监督的(可能存在的任何标签均未显示在训练算法中)。监督式机器学习问题又分为分类(预测非数字答案,例如错过抵押贷款的可能性)和回归(预测数字答案,例如下个月在曼哈顿商店出售的小部件的数量);无监督学习又分为聚类(查找相似对象的组,例如跑鞋,步行鞋和正装鞋),关联(查找对象的常见序列,例如咖啡和奶油)和降维(投影,特征选择) ,以及特征提取)。

深度学习是机器学习的一种形式,其中所训练的模型在输入和输出之间具有多个隐藏层。在大多数讨论中,深度学习意味着使用深度神经网络。但是,除了神经网络之外,还有一些算法可以使用其他类型的隐藏层来实现深度学习。“人工”神经网络的思想可以追溯到1940年代。基本概念是,由相互连接的阈值

开关构建的人工神经元网络可以像动物大脑和神经系统(包括视网膜)一样学习识别模式。

点击标题见原文

              

猜你喜欢