機器學習與深度學習


在本章中,我們將討論機器和深度學習概念之間的主要區別。

資料量

機器學習使用不同數量的資料,主要用於少量資料。另一方面,如果資料量迅速增加,深度學習可以有效地工作。下圖描繪了機器學習和深度學習在資料量方面的工作 -

機器學習與深度學習

硬體依賴

與傳統的機器學習演算法相反,深度學習演算法設計為在很大程度上依賴於高階機器。深度學習演算法執行大量矩陣乘法運算,這需要巨大的硬體支援。

特色工程

特徵工程是將領域知識放入指定特徵的過程,以降低資料的複雜性並製作學習演算法可見的模式。

例如,傳統的機器學習模式關注於特徵工程過程所需的畫素和其他屬性。深度學習演算法專注於資料的高階特徵。它減少了為每個新問題開發新功能提取器的任務。