简单讲解下什么是机器学习什么是深度学习

数据和特征值

DL和ML之所以可以预测，在于大量训练，这好比你要训练狗和你握手，那肯定需要，当狗和你握手的时候给他一块吃的，不停的训练它。

所以说数据在ML和DL的过程中至关重要，我们来看之前的例子，在你训练狗的时候，你会说握手，狗接受到这两个字会抬起爪子，但是当你说 “握住”，“握抓”，“给手” 等这些看似和握手差不多的词汇时候，狗是不会抬起爪子的。

狗听到“握手”这个词抬起爪子，那么握手这个词就是特征值，当然你也可以训练的时候加入多个特征值，让狗抬起爪子，比如说 “你好” ，当狗听到你好两个字的时候就也可以抬起爪子。

那这里我给出一个表格：

在表中你可以看到，每次说到握手的时候狗都会举爪子，这说明握手和狗举爪子具有强相关性，而你好也有，但是没有那么强的关联性。那么当数据量非常大的时候你就可以使用代码获取到数据和数据之前的相关分析。也就是找其中的特征，这是进行数据DL和ML的关键步骤，你可以想象一下如果你找错了。我举个例子，在自动驾驶领域原本上看到前方有车你需要减速，但是现在你找错了特征，然后你使用了加速指令，那这种事情肯定是非常严重的。当然如果数据集的质量不够都是一些垃圾和无意义的数据，那你也很难训练好模型。

ML和DL

机器学习和深度学习，我最开始学习的时候，不明白这二者之间的区别。

CS相信大家都玩过，举个例子机器学习就和cs一样你需要苦练压枪和多人对战才能成长。（就是需要依靠数据进行训练），而深度学习你可以买装备，比如买个三级头盔，买个火箭筒，买个三级甲，那你说谁强（这里指的是优化器、模型类型、神经网络组合）。你可能还会说这还用想肯定深度学习强，我都有火箭筒还需要怕人家？但是你要明白人家压枪压的好的人家可以不打你头不打你身子，我打你眼睛没有保护的地方，照样可以KO。所以说深度学习和机器学习没有绝对的强弱之分。

这也是很多国际知名企业🍎在发布会上一直说machine learning 而不是 Deep Learning 的原因之一，因为他们没有找到解决方案，可能测试了一大圈搞了半天发现，费劲训练的DL还没有ML使用随机森林加超参找值性能好。我就遇到过这个问题。