Skip to main content
 Web开发网 » 操作系统 » linux系统

机器学习与深度学习有什么异同?

2021年10月17日6610百度已收录

机器学习与深度学习的区别 深度学习与一般机器学习的区别是什么

1:一般的机器学习一般指决策树、逻辑回归、支持向量机、xgboost等。深学习的主要特点是使用深神经网络:深卷积网络、深循环网络、递归网络等。算法在层次上没有相似性。很难说相似性可能是每个人的函数都是为了拟合高维函数。

机器学习与深度学习有什么异同?  机器学习 第1张

2:一般机器学习在分析低维、可解释性强的任务时表现得更好。例如,数据挖掘和推荐算法。它们的特点是,一般情况下,采集的数据维数不高。以广告推送任务为例,一般分析的数据维度仅包括性别、年龄、学历、职业等,参数调整方向明确。

机器学习与深度学习有什么异同?  机器学习 第2张

3:深度学习算法擅长分析高维数据。例如图像、语音等。例如,一张图片可能有几千万像素,相当于几千万个特征向量维度,像素之间的关系不是特别明显。在这种情况下,卷积神经网络能够有效地处理这一问题,基本上能够非常准确地掌握图像的特征。然而,各个维度的解释力都很弱,参数调整的方向也很不明确(神经元数量、隐含层数量等) 综上所述,其实两者是截然不同的。深度学习是近几年才发展起来的。传统的机器学习算法大多来源于概率论和信息学。在编程方面,传统的机器学习模型基本上集成在sklearn包中。对于深度学习,tensorflow可以作为一个框架 对于详细的理解,传统的机器学习可以从李航的统计原理或者周志华的机器学习(也称西瓜书)中看到。由于近两年来很少有关于深度学习的书籍,我们可以查阅过去两年中关于深度学习的论文,当然,它们都需要坚实的数学基础,主要是这三本书:线性代数或高等代数、高等数学或数学分析,概率论或随机过程

评论列表暂无评论
发表评论
微信