一、指代不同

1、機(jī)器學(xué)習(xí)算法：是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。

2、深度學(xué)習(xí)：是機(jī)器學(xué)習(xí)(ML, Machine Learning)領(lǐng)域中一個(gè)新的研究方向，它被引入機(jī)器學(xué)習(xí)使其更接近于最初的目標(biāo)人工智能。

二、學(xué)習(xí)過程不同

1、機(jī)器學(xué)習(xí)算法：學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)。環(huán)境向系統(tǒng)的學(xué)習(xí)部分提供某些信息，學(xué)習(xí)部分利用這些信息修改知識(shí)庫，以增進(jìn)系統(tǒng)執(zhí)行部分完成任務(wù)的效能，執(zhí)行部分根據(jù)知識(shí)庫完成任務(wù)，同時(shí)把獲得的信息反饋給學(xué)習(xí)部分。

2、深度學(xué)習(xí)：通過設(shè)計(jì)建立適量的神經(jīng)元計(jì)算節(jié)點(diǎn)和多層運(yùn)算層次結(jié)構(gòu)，選擇合適的輸人層和輸出層，通過網(wǎng)絡(luò)的學(xué)習(xí)和調(diào)優(yōu)，建立起從輸入到輸出的函數(shù)關(guān)系，雖然不能100%找到輸入與輸出的函數(shù)關(guān)系，但是可以盡可能的逼近現(xiàn)實(shí)的關(guān)聯(lián)關(guān)系。

三、應(yīng)用不同

1、機(jī)器學(xué)習(xí)算法：：數(shù)據(jù)挖掘、計(jì)算機(jī)視覺、自然語言處理、生物特征識(shí)別、搜索引擎、醫(yī)學(xué)診斷、DNA序列測(cè)序、語音和手寫識(shí)別、戰(zhàn)略游戲和機(jī)器人運(yùn)用。

2、深度學(xué)習(xí)：計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理等其他領(lǐng)域。

通常來說，為了實(shí)現(xiàn)人工智能，我們會(huì)使用機(jī)器學(xué)習(xí)。我們有幾種用于機(jī)器學(xué)習(xí)的算法，比如Find-S、決策樹、隨機(jī)森林、人工神經(jīng)網(wǎng)絡(luò)。一般來說，有3類學(xué)習(xí)算法，第一種是監(jiān)督機(jī)器學(xué)習(xí)算法進(jìn)行預(yù)測(cè)。此外，該算法在分配給數(shù)據(jù)點(diǎn)的值標(biāo)簽中搜索模式。第二種是無監(jiān)督機(jī)器學(xué)習(xí)算法，沒有標(biāo)簽與數(shù)據(jù)關(guān)聯(lián)。并且，這些 ML 算法將數(shù)據(jù)組成簇。此外它需要描述其結(jié)構(gòu)，并使復(fù)雜的數(shù)據(jù)看起來簡(jiǎn)單且能有條理的分析。第三種是增強(qiáng)機(jī)器學(xué)習(xí)算法，我們使用這些算法選擇動(dòng)作。并且，我們能看到它基于每個(gè)數(shù)據(jù)點(diǎn)。一段時(shí)間后，算法改變策略來更好地學(xué)習(xí)。
一般來說，我們用機(jī)器算法來解析數(shù)據(jù)、學(xué)習(xí)數(shù)據(jù)，并從中做出理智的判定。根本上講，深度學(xué)習(xí)用于創(chuàng)建可自我學(xué)習(xí)和可理智判定的人工“神經(jīng)網(wǎng)絡(luò)”。我們可以說深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的子領(lǐng)域。那么機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的區(qū)別在哪里呢？具體來說有很多，其中數(shù)據(jù)依賴是其中的一種，性能是區(qū)別二者的最主要之處。當(dāng)數(shù)據(jù)量小時(shí)，深度學(xué)習(xí)算法表現(xiàn)不佳。這就是DL算法需要大量的數(shù)據(jù)才能完美理解的唯一原因。