機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是怎么一回事？

IT資訊 2018/8/24

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)現(xiàn)在很火，你會(huì)發(fā)現(xiàn)突然間很多人都在談?wù)撍鼈?。如下圖所示，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的趨勢(shì)對(duì)比（來(lái)自Google trend，縱軸表示搜索熱度）：

本文將會(huì)以簡(jiǎn)單易懂的語(yǔ)言及示例為大家詳細(xì)解釋深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的區(qū)別，并介紹相關(guān)用途。

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)簡(jiǎn)介

機(jī)器學(xué)習(xí)

Tom Mitchell 關(guān)于機(jī)器學(xué)習(xí)的定義被廣泛引用，如下所示：

對(duì)于某類(lèi)任務(wù)T和性能度量P，如果一個(gè)計(jì)算機(jī)程序在T上以P衡量的性能隨著經(jīng)驗(yàn)E而不斷自我完善，那么我們稱(chēng)這個(gè)計(jì)算機(jī)程序在從經(jīng)驗(yàn)E學(xué)習(xí)。

“A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P if its performance at tasks in T, as measured by P, improves with experience E ”

上面的抽象定義可能使你感到困惑，相信下面幾個(gè)簡(jiǎn)單的示例會(huì)讓你恍然大悟。

【例1 根據(jù)身高預(yù)測(cè)體重】

假設(shè)你要?jiǎng)?chuàng)建一個(gè)根據(jù)人的身高預(yù)測(cè)體重的系統(tǒng)。第一步是收集數(shù)據(jù)，收集完之后畫(huà)出數(shù)據(jù)分布圖如下所示。圖中的每個(gè)點(diǎn)都代表一條數(shù)據(jù)，橫坐標(biāo)表示身高，縱坐標(biāo)表示體重。

我們可以畫(huà)一條簡(jiǎn)單的直線(xiàn)來(lái)根據(jù)身高預(yù)測(cè)體重，比如：

Weight (in kg) = Height (in cm) - 100

如果這條直線(xiàn)預(yù)測(cè)身高很準(zhǔn)確，那怎樣來(lái)衡量它的性能呢？比如以預(yù)測(cè)值和真實(shí)值之間的差值來(lái)衡量預(yù)測(cè)模型的性能。當(dāng)然，源數(shù)據(jù)越多，模型效果就越好。如果效果不好，那么可以使用其他方法來(lái)提升模型性能，如增加變量（如性別）或者改變預(yù)測(cè)直線(xiàn)。

【例2 風(fēng)暴預(yù)測(cè)系統(tǒng)】

假定要構(gòu)建一個(gè)風(fēng)暴預(yù)測(cè)系統(tǒng)，你手頭上有過(guò)去發(fā)生的風(fēng)暴數(shù)據(jù)以及這些風(fēng)暴發(fā)生前三個(gè)月的天氣數(shù)據(jù)。那么怎樣構(gòu)建一個(gè)風(fēng)暴預(yù)測(cè)系統(tǒng)呢？

首先要做的是清洗數(shù)據(jù)并找到數(shù)據(jù)中的隱藏模式，比如導(dǎo)致風(fēng)暴產(chǎn)生的條件。我們可以對(duì)一些條件建模，比如溫度是否大于40攝氏度，濕度是否介于80到100之間，然后將這些特征輸入模型。

你要做的就是充分利用歷史數(shù)據(jù)，然后預(yù)測(cè)是否會(huì)產(chǎn)生風(fēng)暴。在這個(gè)例子中，評(píng)價(jià)的指標(biāo)是正確預(yù)測(cè)風(fēng)暴發(fā)生的次數(shù)。我們可以重復(fù)預(yù)測(cè)過(guò)程多次，然后將性能結(jié)果返回系統(tǒng)。

回到最初機(jī)器學(xué)習(xí)的定義，我們將風(fēng)暴預(yù)測(cè)系統(tǒng)定義如下：任務(wù)T是找到造成風(fēng)暴的大氣條件，性能P是在模型參數(shù)學(xué)習(xí)好之后，正確預(yù)測(cè)的次數(shù)，經(jīng)驗(yàn)E是系統(tǒng)的迭代過(guò)程。

深度學(xué)習(xí)

深度學(xué)習(xí)其實(shí)很早之前就出現(xiàn)了，隨著近幾年的炒作，又逐漸火起來(lái)了。

深度學(xué)習(xí)是一種特殊的機(jī)器學(xué)習(xí)，它將現(xiàn)實(shí)世界表示為嵌套的層次概念體系（由較簡(jiǎn)單概念間的聯(lián)系定義復(fù)雜概念，從一般抽象概括到高級(jí)抽象表示），從而獲得強(qiáng)大的性能與靈活性。

Deep learning is a particular kind of machine learning that achieves great power and flexibility by learning to represent the world as nested hierarchy of concepts, with each concept defined in relation to simpler concepts, and more abstract representations computed in terms of less abstract ones.