机器学习与深度学习：比较与应用

机器学习和深度学习是现代人工智能领域两个重要的分支。它们在数据驱动的模型训练和预测任务中发挥着关键作用。本文将比较机器学习和深度学习的特点、应用领域，并提供相应的源代码示例。

1. 机器学习概述
   机器学习是一种基于数据的建模方法，旨在通过从数据中发现模式和规律来进行预测和决策。传统的机器学习方法包括决策树、支持向量机、随机森林等。这些方法通常需要手工选择和提取特征，并且对于复杂的问题可能无法提供准确的预测。

下面是一个使用机器学习方法进行手写数字分类的示例代码：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn