5、机器学习与深度学习对比

机器学习与深度学习对比

1. 引言

在之前的学习中，我们探讨了机器学习的一些应用，并使用 Python 的 scikit - learn 包构建了模型。现在，我们将继续学习如何构建机器学习模型，并借助 Keras 包来构建人工神经网络（ANN）。ANN 是一类机器学习算法，因其架构类似于人类大脑中的神经元而得名。

Keras 是专门为构建神经网络设计的机器学习库。虽然 scikit - learn 的功能涵盖了更广泛的机器学习算法领域，但它在神经网络方面的功能有限。

ANN 可用于解决与其他算法相同的机器学习任务，如用于分类任务的逻辑回归、用于回归问题的线性回归以及用于聚类的 k - 均值算法。当我们开始处理任何机器学习问题时，为了确定任务类型（回归、分类或聚类），需要考虑以下问题：
- 关注的结果 ：对自己或业务而言，最重要的结果是什么？例如，在预测股票市场指数值时，我们可以预测价格相对于上一个时间点是上涨还是下跌，这属于分类任务；也可以直接预测价格值，这就是回归问题。不同的预测方式可能会导致不同的后续行动或交易策略。
- 数据标注情况 ：是否有适当标注的数据来训练模型？对于有监督学习任务，我们至少需要一些标注数据才能训练模型。而且，ANN 通常需要大量数据才能开发出准确的模型，因此在选择适合特定任务的算法时，数据量是一个需要考虑的因素。

ANN 是一种可用于解决任务的机器学习算法，它在某些方面表现出色，但也存在一些缺点。在选择这种算法之前，应该权衡其优缺点。深度学习网络与单层 ANN 的区别在于其深度，即网络中隐藏层的总数。实际上，深度学习只是机器学习的一个特定