机器学习和深度学习的对比

深度

  • 数据经过深层网络后,语义信息表征能力强,对几何细节信息表征能力弱。

数据依赖性

  • 深度学习算法需要大量的数据来训练,而传统的机器学习使用制定的规则。
  • 所以,当数据量少时,深度学习的性能差于机器学习;当数据量大时则反之。

硬件依赖性

  • 深度学习算法需要用大量的数据进行矩阵运算,GPU可以高效地进行矩阵运算。所以好的GPU是深度学习的前提。

特征处理

  • 机器学习中,大多数的特征都需要人为地处理成一种特定的数据格式。这需要一定的工作量。
  • 深度学习中,直接将原始数据输入模型,运算得到结果。即端对端。

训练时间

  • 深度学习的参数量很大,数据量很大,需要半天到几周的训练时间
  • 机器学习占时较少,几分钟到几小时。

可解释性

  • 我们可能无法解释某个深度学习算法为什么能取得好的效果,它的节点做了什么事情。
  • 机器学习的决策树、线性回归、逻辑回归等算法都有足够的解释。
相关推荐
realhuizhu10 分钟前
国庆收心指南:用AI提示词工程解决节后综合征
人工智能·ai·chatgpt·prompt·提示词·deepseek·假期综合征·节后综合征
老兵发新帖30 分钟前
归一化分析2
人工智能
yzx99101332 分钟前
低空经济新纪元:AI驱动的智能无人机技术与应用
人工智能·无人机
一袋米扛几楼9833 分钟前
【机器学习】混淆矩阵(confusion matrix)TP TN FP FN
人工智能·机器学习·矩阵
袁庭新1 小时前
2025年09月总结
人工智能·aigc
带娃的IT创业者1 小时前
Function Call实战效果:准确率提升86%背后的数据与思考,兼谈MCP的未来
人工智能·python·function call·性能分析·技术趋势·mcp·roi
可触的未来,发芽的智生2 小时前
触摸未来2025.10.05:悟神经网络符号之伤,拥抱声音的宇宙
人工智能·python·神经网络·算法·架构
网安INF2 小时前
【论文阅读】-《SparseFool: a few pixels make a big difference》
论文阅读·人工智能·深度学习·网络安全·黑盒攻击
yueyuebaobaoxinx2 小时前
从工具到中枢:2025 年 AI 重构实体经济的实践图景
大数据·人工智能·重构
yueyuebaobaoxinx2 小时前
人机共生:生成式 AI 重构内容创作的机遇与博弈
人工智能·chatgpt·重构