ML&DL

ML：

原始数据->人工特征->模型->输出

人类决定“看什么”（特征工程），比如：面积、价格、关键词；

机器做：学习“特征->结果”的关系。

输出：固定的预测成果，如：分类（是/否），数值（价格/概率）。

DL：

原始数据->神经网络（多层）->输出

人类做：设计学习系统->网络结构（CNN/Transformer）,loss函数（学习目标）,optimizer（学习方式）；

模型做：自动学习->特征表示（embedding），特征组合，输出映射。

输出：文本/图像/音频/向量。