在研究机器学习时，您可能会遇到“深度学习”这个术语。虽然这两个术语相关，但它们仍然彼此不同。
机器学习是一种使用算法和数据来创建自主或半自主机器的方法。
另一方面，深度学习 (DL) 是一种机器学习，它使用神经网络来模拟人类大脑的运作。这使得机器能够解决日益复杂的问题。
另请参阅：大数据技术——从基础到商业分析应用
阅读文章
机器学习的类型
许多机器学习技术是我们每天使用的大量数字产品 伊朗邮件列表 和服务的基础。虽然每种类型的机器学习都是为了实现类似的目标而设计的，即创建无需人工监督即可运行的机器和应用程序，但它们所使用的技术在某种程度上有所不同。
为了帮助理解这些类型的机器学习之间的差异，这里概述了当今使用的四种主要类型。
1. 监督机器学习的应用
在监督机器学习中，算法在包含描述每块数据的标签的标记数据集上进行训练。换句话说，算法被赋予的数据包含一个“答案”，该答案描述了如何解释数据。例如，可以向算法提供包含每种花 澳大利亚数据 的标签的花朵图像，从而让它在拍摄新照片时更准确地识别花朵。
这种训练通常用于开发用于预测和分类的机器学习模型。
2.无监督机器学习
在无监督机器学习中，算法在未标记的数据集上进行训练。在这个过程中，算法被输入未标记的数据，要求它在没有任何外部线索的情况下独立识别模式。例如，可以为算法提供从社交媒体平台提取的大量未标记的用户数据，以便识别平台上的行为模式。
研究人员和数据科学家经常使用这种类型的学习来快速有效地在大量未标记数据中发现模式（无监督机器学习）。
3.半监督机器学习
在半监督机器学习中，算法在未标记和标记的数据集上进行训练。一般来说，这种类型的训练首先涉及向算法提供少量标记数据以帮助其开发，然后向其提供大量未标记 时间与他人重新建立联系并表达你的 数据以完成模型。例如，可以用少量的标记语音数据来呈现算法，然后在大量未标记的语音数据上进行训练，以创建可以识别语音的机器学习模型。
当没有大量标记数据时，这种学习通常用于训练分类和预测算法。