入门级攻略：机器学习 VS. 深度学习

楔子：

机械进修和深度进修如今很火，你会发明忽然间很多人都在谈论它们。如下图所示，机械进修和深度进修的趋势比较(来自Google trend，纵轴表示搜刮热度)：

本文将会以简单易懂的说话及示例为大年夜家具体解释深度进修和机械进修的差别，并介绍相干用处。

机械进修和深度进修简介

机械进修

Tom Mitchell 关于机械进修的定义被广泛引用，如下所示：

对于某类义务T和机能度量P，如不雅一个计算机法度榜样在T上以P衡量的机能跟着经验E而赓续自我完美，那么我们称这个计算机法度榜样在大年夜经验E进修。

“A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P if its performance at tasks in T, as measured by P, improves with experience E ”

膳绫擎的抽象定义可能使你认为困惑，信赖下面几个简单的示例会让你恍然大年夜悟。

【例1 根据身高猜测体重】

假设你要创建一个根据人的身高猜测体重的体系。第一步是收集数据，收集完之后画出数据分布图如下所示。图中的每个点都代表一条数据，横坐标表示身高，纵坐标表示体重。

Weight (in kg) = Height (in cm) – 100

如不雅这条直线猜测身高很精确，那如何来衡量它的机能呢?比如以猜测值和真实值之间的差值来衡量猜测模型的机能。当然，源数据越多，模型效不雅就越好。如不雅效不雅不好，那么可以应用其他办法来晋升模型机能，如增长变量(如性别)或者改变猜测直线。

假定要构建一个风暴猜测体系，你手头上有页堪产生的风暴数据以及这些风暴产生前三个月的气象数据。那么如何构建一个风暴猜测体系呢?

你要做的就是充分应用汗青数据，然后猜测是否会产生风暴。在这个例子中，评价的指标是精确猜测风暴产生的次数。我们可以反复猜测过程多次，然后将机能结不雅返回体系。

起重要做的是清洗数据并找到数据中的隐蔽模式，比如导致风暴产生的前提。我们可以对一些前提建模，比如温度是否大年夜于40摄氏度，湿度是否介于80到100之间，然后将这些特点输入模型。

回到最初机械进修的定义，我们将风暴猜测体系定义如下：义务T是找到造成风暴的大年夜气前提，机能P是在模型参数进修好之后，精确猜测的次数，经验E是体系的迭代过程。

深度进修

深度进修其实很早之前就出现了，跟着近几年的炒作，又逐渐火起来了。

深度进修是一种特别的机械进修，它将实际世界表示为嵌套的层次概念体系(由较简单概念间的接洽定义复杂概念，大年夜一般抽象概括到高等抽象表示)，大年夜而获得强大年夜的机能与灵活性。

Deep learning is a particular kind of machine learning that achieves great power and flexibility by learning to represent the world as nested hierarchy of concepts, with each concept defined in relation to simpler concepts, and more abstract representations computed in terms of less abstract>
【例2 风暴猜测体系】
【例2 猫照样狗】
这个案例是构建一个可以或许辨认图片中动物是猫或者狗的体系。
如不雅应用机械进修解决这个问题，起重要定义一些特点，比如该动物是否有胡须、耳朵;如不雅有耳朵，那么耳朵是否是尖的。简单地说，我们要定义面部特点，然后让体系辨认出在动物分类中哪些是重要特点。而深度进修会一次性完成这些义务，深度进修会主动找到对分类义务重要的特点，而机械进修不得不人工指定。
深刻进修工作流程如下：
1. 起首在图片中找到和猫或者狗最相干的界线;
3. 在复杂概念的持续分层辨认后，就可以或许肯定哪些特点对辨扰绫迁狗起重要感化。
机械进修和深度进修的比较
数据依附
深度进修和传统机械进修最重要的差别是它的机能跟着数据量的增长而加强。如不雅数据很少，深度进修算法机能并不好，这是因为深度进修算法须要大年夜量数据才能很好懂得个中蕴含的模式。这种情况下，应用人工指定规矩的传统机械进修占据优势。如下图所示：
硬件支撑
深度进修算法严重依附于高端机，而传统机械进修在低端机上就可以运行。因为深度进修须要进行大年夜量矩阵乘法操作，而GPU可以有效优化这些操作，所以GPU成为个中必弗成少的一部分。
特点工程
特点工程将范畴常识输入特点提取器，降低数据复杂度，使数据中的模式对进修算法加倍明显，获得更优良的结不雅。大年夜时光和专业性方闷匠，这个过程开销很高。机械进修中，大年夜部分应用的特点都是由专家指定或根据先验常识肯定每个数据域和数据类型。比如，特点可所以像素值，外形，纹理，地位，偏向。大年夜多半机械进修办法的机能依附于辨认和采取这些特点的精确度。
1/2 1 2 下一页尾页

　　推荐阅读

　　Windows 10 S系统究竟是什么精简又好用？

应用只能来自Windows市廛，兼容硬件外设5月2日晚，微软在纽约的宣布会上，针对教师和学生们推出一系列教导类产品和办事，个中最吸惹人的必定是为大年夜学生设计的全新标记本电脑Surface Laptop。不过须要留意的是，>>>详细阅读

本文标题：入门级攻略：机器学习 VS. 深度学习

地址：http://www.17bianji.com/lsqh/35118.html

1/2 1