【深度之眼花书训练营第五期】+ 机器学习与深度学习的区别

机器学习是什么
首先我们来看一些经典的机器学习案例

机器学习其实就是一个“黑箱子”，有一个输入，有一个输出，比如说上面的语音识别，输入就是一段语音，输出就是语音的识别结果。图片中的f代表的就是黑箱子，其实就是函数关系的映射，比如它接受的是一段语音，输出的是一段文字，机器学习的本质其实就是一个映射。具体关系见下图

对于图像来说，输入的是一张手写体图片“2”，输出结果是数字2。对于天气来说，输入是前几天的数据，比如说输入周四的天气数据，然后预测得到周六的天气。对于游戏来说，输入的是游戏一系列的决策，从而得到下一步的决策。

对于黑箱子，抽象来说就是数学模型，那么对应的输入和输出也就抽象为数据值。比如语音序列，可以根据它的采样点，把它化为具体的多少个数据点。

机器学习的输出分两类，分类和回归，分类是一系列离散的数字或类别，比如预测图片上的物品类别，????或者????。回归的预测结果是连续的，比如说房价，可能是2w，也可能是2.1w，或者2.2w…

机器学习与深度学习的关系
人工智能>机器学习>深度学习

机器学习包含传统的机器学习，例如SVM，决策树等，比较多的实现机器学习的方法用的是深度学习，深度学习的抽象模型如下图

传统的机器学习实际就是由特征提取和分类组成的，特征提取是将图像上物体的边界信息等通过Hog，Sift，LBP等将特征提取出来，其实就是通过人工提取的特征，对领域的特定知识进行手动提取成为一系列特征向量。而模型算法就是分类或者回归算法，将提取出的特征向量送入到分类器中，得到分类结果。

对于深度学习来讲，它的输入就是一张图片或者一段语音序列，不需要人为的手工提取特征，深度学习其实就是端到端的模型，传统的机器学习提特征选择需要依赖人为的经验，而深度学习可以自己进行参数的学习和选择，是对特征提取与分类的联合训练，可以训练出总体最优模型。

最后我们通过两张图片了解一下机器学习与深度学习的区别