深度学习和普通的机器学习有什么区别?
當前位置:博猫 > 技術分享 > 深度學習和普通的機器學習有什麼區别?

博猫

人工智能 2021-02-02 9147 0


答案是深度學習既是機器學習的子集又不是機器學習的子集。

簡要概括一下機器學習:

機器學習屬于計算機科學,是使用統計學或數學技術從利用觀察到的數據構建模型或系統,而不是用戶輸入定義該數據模型的特定指令集。

這個名字看起來比較高大上,但有時候基本的機器學習跟線性回歸一樣簡單。複雜一點的例子是用戶郵箱中的垃圾郵件檢測器,雖然用戶從來不對每種類型的電子郵件發出指示,但垃圾郵件檢測器會“學習”哪些電子郵件是垃圾郵件。

籠統地說,這些算法最常用于從原始數據中提取精确特征集。特征可以非常簡單,例如圖像的像素值、信号的時間值,也可以複雜,例如文本的詞袋特征表示。大多數已知的機器學習算法跟表示數據的特征一樣好用。正确的特征識别是準确代表所有數據的狀态的關鍵一步。

特征提取器的偉大之處在哪裡?

正确的特征提取器本身就有很高的科技含量。大多數數據特征提取器在功能和實用性上都非常特殊。例如:進行面部檢測所需的特征提取器要具備能夠正确地表示面部組成、抵抗空間像差等功能包括。每種類型的數據和任務都有其的特征提取類别,例如語音識别和圖像識别。

然後可以使用這些特征提取器來提取給定樣本的正确數據特征,并将該信息傳遞給分類器或預測器。

深度學習跟機器學習有哪些不同?

深度學習是廣義的機器學習的一部分,它試圖學習給定數據的高級特征。因此,深度學習所解決的問題是減少為每種類型的數據(語音、圖像等)制作新的特征提取器的個數。

再舉個例子,給深度學習分配識别圖像的任務,深度學習算法會試着學習諸如雙眼之間的距離、鼻子的長度等特征,然後用這些信息進行分類、預測等任務。這也是深度學習算法比之前的“淺度學習算法”更為先進之處。

如吳恩達教授所說,深度學習關注的是學習的原始目标,是人工智能的理想算法。

簡而言之:

如果你寫下如下的公式: F(1,2,3.......,100) = 5050 如果把這個公式輸入到機器學習算法,那麼機器學習算法就會像個孩子一樣立即把它理解為等号右邊是等号左邊所有數字的和。再給機器學習一串新的數字F(1,2,3 .......,500),機器學習就會把括号裡面的所有500個數字累加起來求和。

但深度學習算法會像卡爾·弗雷德裡希·高斯一樣,把這串數字倒過來,就會發現兩列數字的第i個數字之和始終是相同的,最後再進行總體求和。

image.png


标簽:機器學習

取消回複發表評論:


立即定制視覺方案