机器学习+神经层=深度学习？ [关闭]答案

【问题标题】：Is Machine Learning+Neural Layers=Deep Learning? [closed]机器学习+神经层=深度学习？ [关闭]
【发布时间】：2020-03-06 08:29:57
【问题描述】：

我是机器学习概念的新手。我不清楚深度学习和机器学习之间的区别。

假设机器学习算法与神经层相结合时给出了深度学习算法，对吗？

【问题讨论】：

我投票决定将此问题作为离题结束，因为它与指南中定义的编程无关。
欢迎来到SO，这是关于具体编码的问题；关于机器学习理论和方法的问题不在此列，应该发到Cross Validated。

标签： machine-learning deep-learning

【解决方案1】：

机器学习：最常见的人工智能技术之一，一种自适应算法，可以通过经验或新添加的数据获得越来越好的分析和模式。

深度学习是机器学习的一个子集，它利用分层级别的人工神经网络来执行机器学习的过程。

【讨论】：

为什么隐藏层越多越好？
永远不要说层数越多越好。一切都取决于数据集和我们试图解决的问题。拥有更多隐藏层将改善问题的表示，因为它可以处理更复杂的功能。但它也增加了模型的参数数量，从而增加了复杂度。对于一些基本问题，可能会导致过拟合。此外，还有其他问题需要注意，例如梯度消失、训练精度下降等。始终尝试获得解决问题的基本模型。 @yishairasowsky

【解决方案2】：

机器学习：

机器学习是一门通过提供数据和信息而无需明确编程，使计算机像人类一样学习和行动的科学。

示例：

当我们来到计算机时，我们编写一段代码或程序，并一步一步地告诉计算机要做什么。但是在机器学习中我们不这样做，系统自己学习。我们只提供过去的数据（称为标记数据），系统在此过程中学习所谓的训练过程，我们告诉系统结果是对还是错，系统接受反馈并自我纠正，这就是它学习了，它在大多数情况下给出了正确的输出。显然它不是 100% 正确，但目标是尽可能准确。

深度学习：

深度学习是 ML 的一个子领域，它像人脑一样通过自己的计算方法从数据中学习。它利用了神经网络。

【讨论】：

【解决方案3】：

深度学习是机器学习的子集，机器学习是人工智能的子集，因此 AI 很可能是深度学习的超集。

深度学习是一种专注于神经网络的学习类型，用于用例对象检测、分类。物体检测只能使用深度神经网络来完成，因为有很多参数需要学习。如需更多信息，请访问 kaggle.com，这是学习和成长的最佳网站之一。

【讨论】：