机器学习与深度学习：它们的区别是什么？

机器学习和深度学习是当前人工智能领域的两个重要分支。两者都涉及使用计算机算法来实现某种形式的自动化学习，但在方法和应用方面存在一些区别。本文将详细介绍机器学习和深度学习的区别，并提供相应的源代码示例。

1. 方法的差异：
   机器学习是一种基于数据的方法，它依赖于统计学和优化算法来构建模型和进行预测。机器学习算法通常需要手动选择和提取特征，并且对于不同类型的问题，需要设计不同的模型和算法。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子领域，它使用人工神经网络模型来模拟人脑的工作原理。深度学习模型由多个神经网络层组成，每个层都包含许多神经元。深度学习模型通过训练来学习数据的表征，而无需手动选择或提取特征。深度学习模型可以自动提取数据中的抽象特征，并且在某些情况下可以比传统机器学习算法更好地表现。常见的深度学习算法包括卷积神经网络（CNN）、循环神经网络（RNN）和变换器（Transformer）等。

下面是一个简单的示例，展示了机器学习和深度学习在分类问题上的应用：

# 导入所需的库
from sklearn import datasets
from sklearn.model_selection