深度学习与机器学习 [关闭]答案

【问题标题】：Deep learning versus machine learning [closed]深度学习与机器学习 [关闭]
【发布时间】：2017-12-25 22:14:34
【问题描述】：

我已经练习了一些机器学习方面的知识，并开发了一些小项目。现在一些博客、文章、公开帖子都在谈论深度学习。我对实际了解机器学习和深度学习之间的区别很感兴趣，并且可能学习一种称为深度学习的新方法/技术。我读了一些博客，但从概念上讲，我看到深度学习是机器学习的一个子集，它只不过是多层神经网络！然而，我很震惊和困惑地认识到它是否是机器学习和深度学习之间的唯一区别！！！如果我们只想谈论神经网络，那么考虑深度学习而不是机器学习有什么好处？那么如果是，为什么不将其称为神经网络或深度神经网络来区分某些分类呢？与我提到的有真正的区别吗？是否有任何实际示例显示出显着差异让我们做出这些不同的概念？

【问题讨论】：

这是 Coursera 机器学习神经网络课程中的一句话：如果有多个隐藏层，我们称它们为“深度”神经网络。 所以，它看来你是对的，这是机器学习领域的一个子集。
(1) 这个问题实际上已经在这里提出：stackoverflow.com/questions/11632516/…（因为 SVM 是预 DL 分类的主要方法）。（2）如何提出好问题请看stackoverflow.com/help/how-to-ask；考虑改写。也就是说，没有 ML 就谈不上 DL，“深度学习”只是一个较新的流行词，多层并不是唯一的区别，之所以受到关注，是因为深度 NN 在应对 ML 挑战时通常优于其他算法
我想说，一个简单的谷歌搜索就能找到答案！
我想说，一个简单的谷歌搜索把我带到了这里。
github.com/niektuytel/Machine_Learning/tree/main

标签： machine-learning neural-network deep-learning

【解决方案1】：

深度学习是一组机器学习模式和策略，用于提高经典机器学习算法（如 MLP、朴素贝叶斯分类器等）的准确性。

此类策略中最早且最简单的一种——添加隐藏层以提高网络的学习能力。最近的一种——卷积自编码器

【讨论】：

好答案！还有一点：- DL 通常需要大量数据和计算资源来学习。比 ML，但在当今大多数情况下通常优于 ML 算法。