社区编辑申请
注册/登录
所以,机器学习和深度学习的区别是什么?
人工智能 机器学习
深度学习是机器学习算法的子类,其特殊性是有更高的复杂度。因此,深度学习属于机器学习,但它们绝对不是相反的概念。我们将浅层学习称为不是深层的那些机器学习技术。

 深度学习是机器学习算法的子类,其特殊性是有更高的复杂度。因此,深度学习属于机器学习,但它们绝对不是相反的概念。我们将浅层学习称为不是深层的那些机器学习技术。

让我们开始将它们放到我们的世界中:






这种高度复杂性基于什么?

在实践中,深度学习由神经网络中的多个隐藏层组成。我们在《从神经元到网络》一文中解释了神经网络的基础知识,然后我们已经将深度学习介绍为一种特殊的超级网络:

层数的增加和网络的复杂性被称为深度学习,类似于类固醇(steroids)上的常规网络。

为什么这种复杂性是一个优势?

知识在各个层间流动。就像人类学习,一个逐步学习的过程。第一层专注于学习更具体的概念,而更深的层将使用已经学习的信息来吸收得出更多抽象的概念。这种构造数据表示的过程称为特征提取。

它们的复杂体系结构为深度神经网络提供了自动执行特征提取的能力。相反,在常规的机器学习或浅层学习中,此任务是在算法阶段之外执行的。由人员,数据科学家团队(而非机器)负责分析原始数据并将其更改为有价值的功能。


深度学习的根本优势在于,可以在无结构化数据上训练这些算法,而无限制地访问信息。这种强大的条件为他们提供了获得更多有价值的学习的机会。

也许现在您在想...

从多少层开始,它被视为深度学习?关于浅层学习何时结束和深度学习何时开始尚无统一定义。但是,最一致的共识是,多个隐藏层意味着深度学习。换句话说,我们考虑从至少3个非线性转换进行深度学习,即大于2个隐藏层+ 1个输出层。

除了神经网络之外,还有其他深度学习吗?

我也无法对此达成完全共识。然而,似乎有关深度学习的一切至少或间接地与神经网络有关。因此,我同意那些断言没有神经网络就不会存在深度学习的人的观点。

我们什么时候需要深度学习?

通用逼近定理( Universal Approximation Theorem, UAT)声明,只有一个有限层神经元的隐藏层足以逼近任何寻找的功能。这是一个令人印象深刻的陈述,其原因有两个:一方面,该定理证明了神经网络的巨大能力。但是,另一方面,这是否意味着我们永远不需要深度学习?不,深吸一口气,并不意味着……

UAT并未指定必须包含多少个神经元。尽管单个隐藏层足以为特定功能建模,但通过多个隐藏层网络学习它可能会更加有效。此外,在训练网络时,我们正在寻找一种功能,可以最好地概括数据中的关系。即使单个隐藏网络能够表示最适合训练示例的功能,这也不意味着它可以更好地概括训练集中数据的行为。

Ia Goodfellow,Yahua Bengio,Aaron Courville的《深度学习》一书对此进行了很好的解释:

总而言之,具有单层的前馈网络足以表示任何功能,但是该层可能过大而无法正确学习和概括。在许多情况下,使用更深入的模型可以减少表示功能所需的单元数,并可以减少泛化误差。

总结

深度学习基本上是机器学习的子类,它是使用多个隐藏层的神经网络。它们的复杂性允许这种类型的算法自行执行特征提取。由于它们能够处理原始数据,因此可以访问所有信息,因此有可能找到更好的解决方案。

责任编辑:华轩 来源: Python与算法社区
相关推荐

2022-03-28 13:14:19

机器学习深度学习

2022-08-11 15:35:52

人工智能机器学习深度学习

2022-06-02 15:31:26

深度学习AI

2022-06-20 07:16:25

机器学习模型Codex

2022-03-25 10:35:20

机器学习深度学习强化学习

2022-07-01 14:25:27

机器学习人工智能工业4.0

2022-04-11 15:34:29

机器学习AutoML开源

2021-12-01 22:55:45

2022-04-17 23:09:07

深度学习人工智能芯片

2021-03-01 11:39:34

机器学习深度学习人工智能

2021-01-29 15:10:32

2020-11-24 10:21:14

人工智能机器学习技术

2022-06-02 07:34:09

机器学习CNN深度学习

2017-03-01 21:15:44

2021-02-25 10:07:42

人工智能AI机器学习

2022-08-11 08:00:00

机器学习合成数据深度学习

2022-07-26 13:18:05

AISummit智能语音

2020-11-03 14:31:55

Ai人工智能深度学习

2021-03-24 14:32:44

人工智能深度学习

2021-04-16 09:53:45

人工智能机器学习深度学习

同话题下的热门内容

八个常见的机器学习算法的计算复杂度总结专访字节跳动王明轩:机器翻译和人工翻译实质是两个赛道 | T前线合成数据:机器学习的未来人工智能(AI)、机器学习(ML)和深度学习(DL):有什么区别?机器学习必备:如何防止过拟合?​用 PySpark ML 构建机器学习模型使用AI实时纠正增材制造错误Wandb不可缺少的机器学习分析工具

编辑推荐

90%的码农即将失业,谷歌AI写的机器学习代码竟完爆程序员!使用TensorFlow构建LSTM模型详细教程深度学习和普通机器学习之间有何区别?一文读懂深度学习与机器学习的差异2018年值得关注的10种机器学习工具
我收藏的内容
点赞
收藏

51CTO技术栈公众号