机器（qì）学习（xí）与深度学（xué）习（xí）的区别？

近（jìn）年来，随着（zhe）科技的快速（sù）发展，人工智能不断进入（rù）我们的视野中。作为人工智（zhì）能的核心技术，机器学习和深度学习也变得越来越火。一时（shí）间，它们几乎成为了每（měi）个人都在（zài）谈论的话题（tí）。那么，机（jī）器学习和（hé）深度学习到（dào）底是什么，它（tā）们之（zhī）间究竟有什么不同呢？

什么是（shì）机器学习？

机器学习(Machine Learning，ML)是人工智（zhì）能的子领（lǐng）域，也（yě）是人工智能的（de）核心（xīn）。它囊括了（le）几乎所有对世界影响最大（dà）的方法(包括深（shēn）度学习)。机器（qì）学习理论主要是设计（jì）和分析一些让计算机可以自动（dòng）学（xué）习的算法。

举个例子，假设要构建一个识（shí）别猫的程序（xù）。传统上如果我们想（xiǎng）让计算（suàn）机（jī）进行识别，需要输入一串指令，例如猫长着毛茸（róng）茸（róng）的毛、顶着一对三（sān）角形的的（de）耳朵等（děng），然后计算机根据这些指令执行下去。但是如果我（wǒ）们（men）对程序展示一只老虎的照片，程（chéng）序应（yīng）该如何反（fǎn）应呢？更何况通过传统方式要制定（dìng）全部（bù）所需的规则，而（ér）且在（zài）此过程（chéng）中必然会（huì）涉及（jí）到一些（xiē）困难的概念，比如（rú）对毛茸茸的定义。因此，更好的方（fāng）式是让机器自学（xué）。

我们可以为计算机提供大量的猫的照片，系统将（jiāng）以（yǐ）自己特有的（de）方式查（chá）看这些照片。随着实验的反复（fù）进行，系统会（huì）不断学习更新（xīn），最终能够准（zhǔn）确地判断出哪些是猫，哪些不是猫（māo）。

什（shí）么是深度（dù）学习（xí）？

深度学习（xí）(DeepLearning，DL)属（shǔ）于机器学习（xí）的子类（lèi）。它的（de）灵感来（lái）源于人类大脑（nǎo）的工作方式，是利（lì）用深度神经网络来解决特征（zhēng）表达的（de）一（yī）种学习过（guò）程（chéng）。深度神经网络本身并非是一个全新的概念，可理解为包含多个隐含层（céng）的神（shén）经网络结（jié）构。为了提高深层神经网络的训练效果（guǒ），人们对神经元（yuán）的连接方法以及激活（huó）函数等方面做（zuò）出了调整（zhěng）。其（qí）目（mù）的在于建立、模拟人脑进行分析学习的（de）神经网络，模仿人脑的机（jī）制来解（jiě）释数（shù）据，如文本（běn）、图像、声音（yīn）。

机器学习与（yǔ）深度学习的比（bǐ）较

1、应（yīng）用（yòng）场景

机器学习在指纹识别、特征物体检测等领域的应用基本达到了商业（yè）化的要求。

深度学习主要应用（yòng）于文字（zì）识别、人脸技术（shù）、语义分析、智能（néng）监控等（děng）领（lǐng）域。目前在智能硬件、教育、医疗等行业也在快速布局。

2、所需数据（jù）量

机器学习能（néng）够适应各种数据量，特（tè）别是数据（jù）量较小的（de）场景。如果数据（jù）量迅速增加（jiā），那么深度学习的效果将更加突出，这是因为深度学习算法需要大量数据才（cái）能完美（měi）理解（jiě）。

3、执行时间

执行时间（jiān）是指训练算法所需要的时间量（liàng）。一般来（lái）说，深（shēn）度（dù）学习算法需要大量（liàng）时（shí）间进行训练。这是因为该算法包含有很多参数，因此（cǐ）训练它们需要（yào）比平时更长的时间。相对而言，机器学习算法（fǎ）的执行时间更少。

4、解决问（wèn）题（tí）的方（fāng）法

机器学习算法遵循标准程序以解决（jué）问题（tí）。它（tā）将问题（tí）拆分成数个（gè）部分，对其进行分别解决（jué），而后再将结果结（jié）合起来（lái）以（yǐ）获（huò）得所需的答案。深度（dù）学习则以集（jí）中方式解决问题，而（ér）不必（bì）进行（háng）问题拆分。

在本文中，我们对机器学（xué）习与深度学习（xí）的区别作出了简要概述。目前，这两（liǎng）种算法已被（bèi）广泛应用于商（shāng）业领域，相信在未来（lái），机器学习与深度学习能够为更多行业带来令人激动的光明前景（jǐng）。