机器学习和深度学习究竟是什么？

机器学习：

机器学习是人工智能的一个分支，专注于系统设计。它能够根据经验（对机器而言，也就是数据）进行学习并做出决策或预测。

它使计算机能够采取行动并做出数据驱动的决策，而不是被明确地编程来执行特定任务。

这些程序旨在通过接触新数据来不断学习和改进。

例如，在网上购物和查看商品时，你一定遇到过或注意到这样一行字：“购买此商品的人还购买了……”，它会给你推荐。

此外，你是否注意到它还会推荐与你正在寻找的商品类似的商品？它们是如何做到这一点的？答案是机器学习。

深度学习：

深度学习是机器学习 (ML) 的一个子集或一个令人兴奋的分支，它使用类似的机器学习算法，并利用大量数据来训练深度神经网络，从而获得更高的准确率。

深度学习与人工智能 (AI) 相结合，正在探索医疗保健领域隐藏的技术和机遇，帮助医生应对手术并发症、药物研发、患者护理和病历挖掘等问题。此外，它还能在语音搜索和图像识别方面提供更强大的辅助功能。

如今，几乎每部智能手机都配备了语音搜索工具。Google Now、苹果的 Siri 和微软的 Cortana 都是基于深度学习的语音助手应用。

让我们回顾一下两者的区别：

机器学习使用算法分析数据，然后从数据中学习，并根据所学知识做出明智的决策。

而深度学习则通过人工神经网络进行学习，因此被认为更像人类。它不需要人类程序员的指令，而是自主学习并做出自信的决策。

话虽如此，让我们看看机器学习和深度学习是如何运作的。

机器学习使用一种自动化算法，该算法利用输入的数据获取知识，并预测未来的决策。分析师会引导各种算法来检查数据集中的不同变量。

因此，学习算法基本上分为三种类型：

监督式机器学习算法：它进行预测。之后，这些算法会在分配给数据点的值标签中寻找规律。

无监督式机器学习算法：标签与数据点不相关。这些机器学习算法将数据分类为一组簇。此外，它还能描述复杂数据，使其看起来更简单，便于分析。

强化机器学习算法：这些算法根据相应的数据点选择相应的动作。此外，该算法还可以不断调整其动作方案，以便更好地学习。

然而，深度学习模型解析数据的结构与人类得出结论的方式类似。

为了实现这一点，深度学习使用了一种被称为“人工神经网络”的算法。

人工神经网络 (ANN) 模仿了人类大脑的生物神经网络，并从人类大脑的功能和结构中汲取灵感。

此外，它还有许多层来处理特征，即输入层、输出层和隐藏层。

通常情况下，每一层都会提取一些有价值的信息。例如，如果一个神经网络处理用于驾驶自动驾驶汽车的图像，那么每一层都会处理一些独特的信息。