ai> 機(jī)器學(xué)習(xí) >深度學(xué)習(xí)

機(jī)器學(xué)習(xí)1數(shù)據(jù)收集2特征工程3建立模型4評估和應(yīng)用

深度學(xué)習(xí)-特征工程

機(jī)器學(xué)習(xí)偏向人工處理

深度學(xué)習(xí)是智能的處理 核心部分最大程度解決特征工程處理

特征工程的作用：數(shù)據(jù)特征決定模型上限

預(yù)處理和特征提取是最核心的 算法和參數(shù)選擇決定了如何逼近這個上限

深度學(xué)習(xí)解決的問題是如何選取特征： 通過神經(jīng)網(wǎng)絡(luò)對原始數(shù)據(jù)做非常復(fù)雜處理過程 這一步可以看成一個黑盒子 而這個黑盒子可以自動的提取各種各樣的特征 計算機(jī)自己也可以通過不斷的學(xué)習(xí)選取什么樣的特征是最合適的

深度學(xué)習(xí)的應(yīng)用： 大部分是計算機(jī)視覺（圖像）和自然語言（文本）當(dāng)中的應(yīng)用 比如通化神經(jīng)網(wǎng)絡(luò)可進(jìn)行超分辨率重構(gòu) 重新給一個圖像3d建模自動上色 這項技術(shù)可以應(yīng)用在建筑物的保存和修復(fù)領(lǐng)域

在某網(wǎng)站的報告中顯示如果數(shù)據(jù)規(guī)模較小，傳統(tǒng)人工智能算法和深度學(xué)習(xí)算法所產(chǎn)生的效果沒有區(qū)別 反而傳統(tǒng)人工智能算法計算速度更快。而數(shù)據(jù)規(guī)模越大，比如幾萬幾十萬上百萬的數(shù)據(jù)集，才能用深度學(xué)習(xí)的算法去做，比傳統(tǒng)人工智能算法的效果好。