Python中，机器学习与深度学习有何本质差异？

本文共计823个文字，预计阅读时间需要4分钟。

IT行业快速发展，众多新技术层出不穷，如人工智能、云原生、云计算、机器学习、深度学习等。这些新名词逐渐出现在人们的视线中，实际上，深度学习主要属于机器学习的范畴。

　　IT行业迅速发展，许多新兴技术不断问世，人工智能、云原生、云计算、机器学习、深度学习等等新名词逐渐出现在人们的视线中，其实深度学习主要还是属于机器学习的范畴领域之内的，本篇文章我们来了解下两者的具体区别有哪些，请看下文：

　　| 机器学习的算法流程 |

　　1、数据集准备

　　2、探索性地对数据进行分析

　　3、数据预处理

　　4、数据分割

　　5、机器学习算法建模

　　6、选择机器学习任务

　　7、评价机器学习算法对实际数据的应用情况如何

　　首先我们要研究的是数据问题，数据集是构建机器学习模型流程的起点，进行探索性数据分析是为了获得对数据的初步了解。探索性数据分析方法简单来说就是去了解数据，分析数据，搞清楚数据的分布。主要注重数据的真实分布，强调数据的可视化，使分析者能一目了然看出数据中隐含的规律，从而得到启发，以此帮助分析者找到适合数据的模型。

　　数据预处理，其实就是对数据进行清理、数据整理或普通数据处理。指对数据进行各种检查和校正过程，以纠正缺失值、拼写错误、使数值正常化/标准化以使其具有可比性、转换数据(如对数转换)等问题。