↑↑↑點擊上方藍字,回覆資料,10個G的驚喜
初學者數據科學家面臨的首要問題之一是瞭解深度學習和機器學習之間的區別。一般來說,機器學習遍及整個人工智能世界,而深度學習是機器學習的一個子類別。
然而,這並沒有給你任何有價值的見解。在本文中,我想更深入地挖掘機器學習和深度學習算法之間的結構差異,以便你瞭解它們的主要區別是什麼以及如何發現它們。
如果你渴望成爲一名更好的數據科學家,那麼瞭解要使用的算法類別非常重要。此外,瞭解如何對算法進行分類將幫助你將它們放在一個結構中,並使你能夠理解它們在主題內容層次結構中的位置。
實際上,理解這兩類算法之間的區別非常簡單:它們的架構不同。除非你已經熟悉編程,否則沒有一種簡單的方法來定義“架構”一詞,將其想象爲具有算法的所有結構的集合和序列。這是深度學習架構的圖形表示:
神經網絡(深度學習)架構
相反,機器學習沒有任何特徵架構。幾種不同的算法,具有不同的任務,可以歸類爲深度學習。
深度學習有兩層或多層神經元。因此,所有使用神經網絡架構構建的算法都被歸類爲深度學習。所有其他算法都歸類爲機器學習。
實際上,有些算法可以解決機器學習解決的相同任務,例如迴歸或分類問題,但具有部分或整體架構。一些例子是多層感知器,它只使用深度學習來解決迴歸和分類問題,還有支持向量機,它部分使用神經層來解決分類問題。
就我個人而言,這就是我輕鬆對它們進行分類的方式。首先,我確定我可以使用機器學習解決哪些任務:
迴歸
分類
聚類
降維
協會
如果我使用的算法正在解決這些任務之一併且沒有任何神經層,那麼它就是機器學習。如果它的架構有一個神經層(有一些額外的任務只能通過像生成對抗網絡這樣的神經網絡才能解決)可以歸類爲深度學習。
本文轉載來自:https://pub.towardsai.net/machine-learning-vs-deep-learning-783a87e00126
作者:Michelangiolo Mazzeschi
推薦閱讀
(點擊標題可跳轉閱讀)
老鐵,三連支持一下,好嗎?↓↓↓
本文分享自微信公衆號 - 機器學習算法與Python實戰(tjxj666)。
如有侵權,請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”,歡迎正在閱讀的你也加入,一起分享。