机器学习与深度学习

     机器学习就是让机器学习，不管学习什么，最终目的是让它独立至少半独立地进行相对复杂或者高要求的工作。我们更多地让机器学习更多让机器帮助人类做一些大规模的数据识别、分拣、规律总结等人类做起来比较花时间，而效率不高的事情。

     深度学习实际指的是基于深度神经网络的学习，也就是深度人工神经网络所进行的学习过程。深度指的是神经网络的深度。另一方面，深度学习这个词还有另外一个层面意思，就是这样一个网络可以学到很多深层次的东西，能够提取到很多用纯粹基于统计学指标、传统机器学习或显示的特征与内容描述所无法名状的东西。

     深度学习和机器学习是“尺有所长，寸有所短”，机器徐诶西具有很好的解释性，或者你知道模型在做什么，处理的是什么特征，其中任何一个指标值的大小变化的意义会有良好的解释。而且，传统机器学习在训练的搓成中需要很少的样本量，达到千级就够了。而深度学习需要万计的样本来做训练，在复杂的视频音频场景下，具有很好的主题理解能力，使机器像人一样能思考、理解和学习。

     深度学习不用提取特征，可以处理线性不可分问题，随着维度加大、深度加深、所能描述的分类器的复杂程度也会随着增加，所以传统那些无法通过简单的线性分类器和非线性分类器处理的复杂学习场景就能够通过海量分类器的叠加来实现。