机器学习与深度学习的比较

在研究机器学习时，您可能会遇到“深度学习”这个术语。虽然这两个术语相关，但它们仍然彼此不同。
机器学习是一种使用算法和数据来创建自主或半自主机器的方法。

另一方面，深度学习 (DL) 是一种机器学习，它使用神经网络来模拟人类大脑的运作。这使得机器能够解决日益复杂的问题。

许多机器学习技术是我们每天使用的大量数字产品和服务的基础。虽然每种类型的机器学习都是为了实现类似的目标而设计的，即创建无需人工监督即可运行的机器和应用程序，但它们所使 伊拉克邮件清单 用的技术在某种程度上有所不同。

为了帮助理解这些类型的机器学习之间的差异，这里概述了当今使用的四种主要类型。

在监督机器学习中，算法在包含描述每块数据的标签的标记数据集上进行训练。换句话说，算法被赋予的数据包含一个“答案”，该答案描述了如何解释数据。例如，可以向算法提供包含每种花的标签的花朵图像，从而让它在拍摄新照片时更准确地识别花朵。

这种训练通常用于开发用于预测和分类的机器学习模型。

在无监督机器学习中，算法在未标记的数据集上进行训练。在这个过程中，算法被输入未标记的数据，要求它在没有任何外部线索的情况下独立识别模式。例如，可以为算法提供从社交媒体平台提取的大量未标记的用户数据，以便识别平台上的行为模式。

研究人员和数据科学家经常使用这种类型的学习来快速有效地在 柬埔寨号码数据库 大量未标记数据中发现模式（无监督机器学习）。