深度学习与机器学习的差异

深度学习和机器学习是两个相关但又有着一些本质区别的概念。它们都属于人工智能领域，但在方法和应用方面有一些不同之处。本文将详细介绍深度学习和机器学习的区别，并附带相应的源代码示例。

1. 方法的不同：
   机器学习是一种通过从数据中提取特征并训练模型来使计算机具备学习能力的方法。它依赖于特征工程，即手动选择和提取有用的特征，然后使用这些特征来训练模型。常见的机器学习算法包括线性回归、决策树、支持向量机等。

深度学习是机器学习的一个分支，它通过构建深层神经网络来模拟人脑的神经元之间的连接方式。深度学习的核心是人工神经网络，它由多个层次组成，每一层都包含大量的神经元。这些神经元通过学习数据中的模式和特征来进行自动特征提取和模型训练。深度学习的优势在于它可以自动学习更高级、更抽象的特征表示，而无需手动进行特征工程。

下面是一个简单的机器学习和深度学习的源代码示例，以说明它们之间的区别：

# 机器学习示例
from sklearn import datasets
from sklearn.model_selecti