基本概念—机器学习ML与深度学习DL
一、概念比较机器学习（Machine Learning，ML）：机器学习的概念很大，算法包括聚类算法、回归算法、监督学习、神经网络等深度学习（DeepLearning，DL）：只包含机器学习大类中的神经网络算法。二、其他方面比较机器学习深度学习应用场景指纹识别、特征物体检测等领域的应用基本达到了商业化的要求主要应用于文字识别、人脸技术、语义分析、智能监控等领域所需数据量能够适应各种数据量，特别是数
·
一、概念比较
机器学习（Machine Learning，ML）：机器学习的概念很大，算法包括聚类算法、回归算法、监督学习、神经网络等
深度学习（DeepLearning，DL）：只包含机器学习大类中的神经网络算法。
二、其他方面比较
| 机器学习 | 深度学习 | |
| 应用场景 | 指纹识别、特征物体检测等领域的应用基本达到了商业化的要求 | 主要应用于文字识别、人脸技术、语义分析、智能监控等领域 |
| 所需数据量 | 能够适应各种数据量，特别是数据量较小的场景 | 需要大量数据才能完美理解 |
| 执行时间 | 执行时间更少 | 深度学习算法需要大量时间进行训练（参数多） |
| 解决问题的方法 | 遵循标准程序以解决问题。它将问题拆分成数个部分，对其进行分别解决，而后再将结果结合起来以获得所需的答案 | 集中方式解决问题，而不必进行问题拆分 |
参考文章：
更多推荐
1
0- 0
已为社区贡献1条内容
所有评论(0)