作者：禅与计算机程序设计艺术

1.简介

在过去几年里，深度学习已经取得了长足的进步，许多研究者、企业和个人都把目光投向了这个领域。很多传统机器学习算法在深度学习出现之前也曾经有过很大的市场份额，但是到了深度学习之后，它却越来越成为当今最热门的机器学习技术之一。无论是从概念上的理解、应用场景的差异、训练速度和性能的提升等方面进行对比分析，还是从理论层面的深入探究、最新发表的一些理论成果、开源代码的发布，或者是大量的案例实践等角度，都能看到深度学习正在逐渐成为主流。

本文通过比较两种机器学习方法——传统机器学习和深度学习，梳理出两种学习方式之间的共性与不同点，并将其应用到实际问题中。希望能够帮助读者更好地理解两者之间的区别，以及如何根据自身情况选择适合自己工作的机器学习技术。

2.基本概念术语说明

（一）传统机器学习

传统机器学习（traditional machine learning），简称ML或Traditional，又称监督学习、有监督学习，是一种以数据为输入、利用监督信息进行训练、预测输出结果的一类机器学习方法。它的主要特点包括：

数据特征：传统机器学习模型所处理的数据必须是结构化的数据，而且需要满足一定的规则。

有限样本空间：由于传统机器学习模型受限于数据规模，只能处理有限的样本集合，所以不可能解决高维甚至无穷维的非结构化数据。

训练过程的监督信息：在训练过程中，模型要基于已知的标记数据（labelled data）进行训练，并且只有当训练得到的模型对新的输入样本有很好的预测能力时&#

相关文章

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：