什么是深度学习,以及它与传统机器学习的区别

发布日期: 2019/5/5 16:31:00
作者:


机器学习(ML)的目的是让程序学习如何去解决问题,而不是简单地执行预定的逻辑。通过这种学习,程序可以在未见过的场景下获得预期的输出。例如,通过对过去六个月股票数据的分析可以预测明天的股价。或者判断下个月是否会有大的波动。

当深度学习被归入机器学习方法的大家庭中时,它与传统机器学习方法是有很大区别的。拿一个人脸检测系统举例。使用传统的机器学习方法,我们可以识别并提取关键特征(眼镜、鼻子和下巴等)。然后让软件只对这些关键部位的特征进行夸身份的匹配。

但是在深度学习中,我们向模型展示数百张只有身份信息标注的人脸图像,然后让机器明白真正独一无二的点是什么(面颊的曲率或者其他人类无法注意到的细微的部分)。机器会决定哪些属性对于人脸识别是足够重要的(这一过程也称为特征检测),并且整个数据流经模型的过程会迭代成百数千次(称为 Epoch)。

深度学习技术使得机器学习在过去的十年大规模的席卷全球,尤其是在图像、视频和音频领域有效地解决了大量的问题。它被用于结构化的数据处理,并且已经与我们的生活息息相关,例如 Facebook 的好友推荐以及很多新闻推送程序的文章推荐系统。



关闭窗口