机器学习与深度学习的基本知识介绍

深度学习（Deep Learning）是机器学习（Machine Learning）的一个分支

1. 机器学习的定义
   机器学习是一种利用算法和统计模型，使计算机能够通过数据学习和改进性能的技术。
   机器学习不需要显式编程，核心是设计模型从数据中提取规律，进而进行预测或分类。
   它包含多个子领域，比如监督学习、无监督学习、强化学习等。
2. 深度学习的定义
   深度学习是机器学习的一个子领域，它的灵感来源于人脑神经元的结构，核心是深度神经网络。
   深度学习通过多层神经网络（通常包含数十甚至数百层），实现对复杂数据模式的自动提取和表达。
3. 关系与区别
   
4. 联系
   深度学习的方法属于机器学习，它是一种实现机器学习的方式。
   机器学习的很多理论（比如监督学习和无监督学习的框架）同样适用于深度学习。
   深度学习在处理复杂问题（如图像识别、语音识别）时，显著提升了机器学习的能力。
5. 总结
   深度学习是机器学习发展的一个方向，其核心优势是对复杂数据的特征提取能力更强。但深度学习对计算资源和数据量的要求更高，在某些简单任务中，传统的机器学习算法依然有竞争力。
   
   深度学习是通过设计一个网络架构让机器自行学习。
   我们在大学中学到的函数往往是y=f(x)，而神经网络便是实现了f（）这个功能，实现将多种输入转入转化为所需要的数据。例如：f(生日)=星座。
   常见的神经网络输