机器学习与深度学习区别

 1、特征提取

1）机器学习特征工程步骤是要靠手动完成，而且需要大量领域专业知识

2）深度学习通常由多个层组成，它们通常将更简单的模型组合在一起，将数据从一层传递到另一层来构建更复杂的模型。通过训练大量数据自动得出模型，不需要人工特征提取环节。

3）深度学习算法试图从数据中学习高级功能，这是深度学习的一个非常独特的部分。因此，减少了为每个问题开发新特征提取器的任务。适合用在难提取特征的图像、语音、自然语言处理领域。

2、数据量和计算性能要求

机器学习需要的执行时间远少于深度学习，深度学习参数往往很庞大，需要通过大量数据的多次优化来训练参数

1）深度学习需要大量的训练数据集

2）训练深度神经网络需要大量的算力  ----需要强大GPU服务器来进行计算、全面管理的分布式训练与预测服务（如谷歌TensorFlow云机器学习平台）

3、算法代表

机器学习  -----朴素贝叶斯、决策树等

深度学习  -----神经网络