行业新闻
Group news
江苏宏丰木业有限公司    您的位置: 首页  >  行业新闻  >  正文

如何区分深度学习与机器学习

2019年11月02日 文章来源:网络整理 热度:134℃ 作者:刘英

  看着人工智能技术如此火爆,在这方面的船业者也是层出不穷。然而,在学习的过程中就遇到了一对双胞胎机器学习和深度学习,是不是还在傻傻的分不清啊,其实他们区别大着呢。

  为了展示他们的火热程度,我在 Google trend 上搜索了这些关键字:

  

如何区分深度学习与机器学习

  如果你想让自己弄清楚机器学习和深度学习的区别,请阅读本篇文章,我将用通俗易懂的语言为你介绍他们之间的差别。下文详细解释了机器学习和深度学习中的术语。并且,我比较了他们两者的不同,别说明了他们各自的使用场景。

  什么是机器学习和深度学习?

  让我们从基础知识开始:什么是机器学习?和什么是深度学习?如果你对此已有所了解,随时可以跳过本部分。

  什么是机器学习?

  一言以蔽之,由 Tom Mitchell 给出的被广泛引用的机器学习的定义给出了最佳解释。下面是其中的内容:

  “计算机程序可以在给定某种类别的任务 T 和性能度量 P 下学习经验 E ,如果其在任务 T 中的性能恰好可以用 P 度量,则随着经验 E 而提高。”

  是不是读起来很绕口呢?让我们用简单的例子来分解下这个描述。

  示例 1:机器学习和根据人的身高估算体重

  假设你想创建一个能够根据人的身高估算体重的系统(也许你出自某些理由对这件事情感兴趣)。那么你可以使用机器学习去找出任何可能的错误和数据捕获中的错误,首先你需要收集一些数据,让我们来看看你的数据是什么样子的:

  

一文读懂深度学习与机器学习的差异

如何区分深度学习与机器学习

  图中的每一个点对应一个数据,我们可以画出一条简单的斜线来预测基于身高的体重

  例如这条斜线:

  Weight (in kg) = Height (in cm) - 100

  。。。这些斜线能帮助我们作出预测,尽管这些斜线表现得很棒,但是我们需要理解它是怎么表现的,我们希望去减少预测和实际之间的误差,这也是衡量其性能的方法。

  深远一点地说,我们收集更多的数据 (experience),模型就会变得更好。我们也可以通过添加更多变量(例如性别)和添加不同的预测斜线来完善我们的模型。

  示例2:飓风预测系统

  我们找一个复杂一点的例子。假如你要构建一个 飓风预测系统 。假设你手里有所有以前发生过的飓风的数据和这次飓风产生前三个月的天气信息。

  如果要手动构建一个飓风预测系统,我们应该怎么做?

  

如何区分深度学习与机器学习

  首先我们的任务是清洗所有的数据找到数据里面的模式进而查找产生飓风的条件。

  我们既可以将模型条件数据(例如气温高于40度,湿度在80-100等)输入到我们的系统里面生成输出;也可以让我们的系统自己通过这些条件数据产生合适的输出。

  我们可以把所有以前的数据输入到系统里面来预测未来是否会有飓风。基于我们系统条件的取值,评估系统的性能(系统正确预测飓风的次数)。我们可以将系统预测结果作为反馈继续多次迭代以上步骤。

  让我们根据前边的解释来定义我们的预测系统:我们的任务是确定可能产生飓风的气象条件。性能P是在系统所有给定的条件下有多少次正确预测飓风。经验E是我们的系统的迭代次数。

  什么是深度学习?

  深度学习的概念并不新颖。它已经存在好几年了。但伴随着现有的所有的炒作,深度的学习越来越受到重视。正如我们在机器学习中所做的那样,先来看看深度学习的 官方定义 ,然后用一个例子来解释。

  “深度学习是一种特殊的机器学习,通过学习将世界使用嵌套的概念层次来表示并实现巨大的功能和灵活性,其中每个概念都定义为与简单概念相关联,而更为抽象的表示则以较不抽象的方式来计算。”

  这也有点让人混乱。下面使用一个简单示例来分解下此概念。

  示例1: 形状检测

  先从一个简单的例子开始,从概念层面上解释究竟发生了什么的事情。我们来试试看如何从其他形状中识别的正方形。

  

如何区分深度学习与机器学习

上一篇:74hc164驱动共阴数码管与共阳数码管_74hc164驱动源程序


下一篇:74hc164驱动数码管及相应源程序

友情链接
Links
鸿运国际官网_鸿运国际备用网址