机器学习和深度学习之间的5个主要区别

翻译|大数据新闻|编辑:况鱼杰|2021-03-19 11:32:56.517|阅读 34 次

概述:大多数人没有意识到机器学习是一种人工智能(AI)的类型,本文让我们深入讨论到底什么是机器学习以及深度学习,以及机器学习与深度学习的来龙去脉。

# 31款JAVA开发必备控件和工具 #

相关链接:


什么是机器学习?

通过机器学习,可以对计算机系统进行编程以从输入的数据中学习,而无需对其进行连续的重新编程。换句话说,他们在没有人的额外帮助的情况下,不断提高自己在某项任务(例如,玩游戏)上的表现。机器学习被广泛应用于各个领域:艺术,科学,金融,医疗保健-随您便说。并且有多种使机器学习的方法。有些简单,例如基本的决策树,有些则更复杂,涉及多层人工神经网络。后者发生在深度学习中。

机器学习不仅通过1959年亚瑟·萨缪尔(Arthur Samuel)的突破性计划得以实现(使用相对简单(按今天的标准)搜索树作为主要驱动程序,他的IBM计算机在检查人员中不断得到改进),还通过Internet进行了改进。借助Internet,已经创建并存储了大量数据,并且这些数据可以提供给计算机系统以帮助他们“学习”。  

R机器学习和Python机器学习是当今使用的两种流行方法。虽然我们不会在本文中讨论特定的编程语言,但是如果您想更深入地研究R的机器学习和Python的机器学习,那么了解R或Python会很有帮助。


什么是深度学习?

一些人认为深度学习是机器学习的下一个前沿领域,即前沿技术的前沿。您可能尚未意识到深度学习计划的结果!如果您曾经看过Netflix,则可能已经看过有关观看内容的建议。某些流音乐服务会根据您过去听过的歌曲或您竖起大拇指或按“赞”按钮选择的歌曲来选择歌曲。这些功能都基于深度学习。Google的语音识别和图像识别算法也使用深度学习。

就像机器学习被视为AI的一种一样,深度学习通常被认为是机器学习的一种,有人称其为子集。机器学习使用诸如预测模型之类的简单概念,而深度学习则使用旨在模仿人类思维和学习方式的人工神经网络。您可能还记得中学时代的生物学,人类大脑的主要细胞成分和主要计算元素是神经元,每个神经连接就像一台小型计算机。大脑中的神经元网络负责处理各种输入:视觉,感觉等。

在深度学习计算机系统中,就像在机器学习中一样,输入仍然会输入到它们中,但是信息通常以庞大的数据集的形式出现,因为深度学习系统需要大量的数据来理解它并返回准确的结果。然后,人工神经网络根据数据提出一系列二元对/错问题,涉及高度复杂的数学计算,并根据收到的答案对数据进行分类。 

因此,尽管机器学习和深度学习都属于人工智能的一般分类,并且都从数据输入中“学习”,但是机器学习和深度学习之间还是存在一些关键区别。


机器学习和深度学习之间的5个关键区别

人为干预

在机器学习系统中,人们需要根据数据类型(例如,像素值,形状,方向)来识别并手动编码应用的特征,而深度学习系统会尝试在没有其他人工干预的情况下学习这些特征。 以面部识别程序为例。 该程序首先学习检测和识别脸部的边缘和线条,然后学习脸部的重要部分,最后学习脸部的整体表示。 这样做涉及的数据量很大,并且随着时间的流逝和程序自身的训练,正确答案(即准确识别人脸)的可能性增加。 而且这种训练是通过使用神经网络进行的,类似于人脑的工作方式,而无需人工重新编码程序。

硬件

由于要处理的数据量以及所使用算法中涉及的数学计算的复杂性,与简单的机器学习系统相比,深度学习系统需要更强大的硬件。用于深度学习的一种类型的硬件是图形处理单元(GPU)。机器学习程序可以在低端机器上运行,而无需那么多计算能力。

时间

如您所料,由于深度学习系统需要大量数据,并且涉及的参数和数学公式复杂,因此深度学习系统可能需要花费大量时间进行训练。机器学习可能要花几秒钟到几小时,而深度学习可能要花几小时到几周。

方法

机器学习中使用的算法倾向于将数据分解为多个部分,然后将这些部分组合起来以得出结果或解决方案。深度学习系统可以一口气地解决整个问题或场景。例如,如果您想要一个程序来识别图像中的特定对象(例如它们的位置以及它们的位置,例如停车场中汽车上的牌照),则您必须通过两个步骤来进行机器学习:首先是物体检测,然后是物体识别。另一方面,使用深度学习程序,您将输入图像,并通过训练,程序将在一个结果中返回识别出的对象及其在图像中的位置。

应用

您可能已经发现机器学习和深度学习系统用于不同的应用程序。使用它们的地方:基本的机器学习应用程序包括预测程序(例如,预测股市价格或下一次飓风将在何时何地发生的价格),电子邮件垃圾邮件标识符,以及为医学患者设计基于证据的治疗计划的程序。除了上面提到的Netflix,音乐流服务和面部识别的示例之外,深度学习的一种广为宣传的应用是无人驾驶汽车-该程序使用多层神经网络来执行诸如确定要避开的物体,识别交通等操作。灯亮,知道何时加速或减速。


关于慧都大数据分析平台

慧都大数据分析平台「GetInsight®升级发布,将基于企业管理驾驶舱产品质量分析及预测设备分析及预测等大数据模型的构建,助力企业由传统运营模式向数字化、智能化的新模式转型升级,抓住数据经济的发展势头,提供管理效能,精准布局未来。了解更多,请联系在线客服

慧都大数据专业团队为企业提供商业智能大数据平台搭建,免费业务咨询,定制开发等完整服务,快速、轻松、低成本将任何Hadoop集群从试用阶段转移到生产阶段。

欢迎拨打慧都热线023-68661681或咨询慧都在线客服,我们有专业的大数据团队,为您提供免费大数据相关业务咨询!



标签:

本站文章除注明转载外,均为本站原创或翻译。欢迎任何形式的转载,但请务必注明出处、不得修改原文相关链接,尊重他人劳动成果

为你推荐

  • 推荐视频
  • 推荐活动
  • 推荐产品
  • 推荐文章
  • 慧都慧问
在线咨询
联系我们
TOP
在线客服系统
live chat