机器学习需要的执行时间远少于深度学习，深度学习的参数往往很庞大，需要通过大量数据的多次优化来训练参数。朴素贝叶斯、决策树等。

2020年2021年

传统意义上的多层神经网络只有输入层、隐藏层和输出层。其中隐藏层的层数根据需要而定，没有明确的理论推导来说明到底多少层合适。卷积神经网络CNN，在原来多层神经网络的基础上，加入了更加有效的特征学习部分，具体操作就是在原来的全连接层前面加入了卷积层和池化层。卷积神经网络的出现，使得神经网络层数得以加深，“深度”学习由此而来。

机器学习需要的执行时间远少于深度学习，深度学习的参数往往很庞大，需要通过大量数据的多次优化来训练参数。朴素贝叶斯、决策树等。

机器学习需要的执行时间远少于深度学习，深度学习的参数往往很庞大，需要通过大量数据的多次优化来训练参数。朴素贝叶斯、决策树等。

线性关系的一定是线性模型，线性模型的不一定是线性关系。

从中自动分析获得模型，并利用对未知数据进行预测。的格式：比如上图中房子的各种属性是特征值，然后房屋价格是目标值。注：对于每一行数据我们可以称之为样本有些数据集可以没有目标值——聚类与的关系：深度学习是使用深度神经网络的机器学习。——机器学习里面有种结构叫神经网络，神经网络多层的就叫深度学习，深度就是多层次的意思。

简单来说信息是消除随机不定性的东西，比如当我不知道小明的年龄时，小明说他今年18岁，那么小明的话就是一条信息，这时小华接着说小明明年19岁，小华的话就不是信息了。以下图为例：将数据分成4份，其中一份作为验证集，然后经过4次(组)的测试，每次都更换不同的验证集，即得到4组模型的结果，取平均值作为最终结果，称为4折交叉验证。K Nearest Neighbor算法又叫KNN算法，它的原理是如果一个样本

传统意义上的多层神经网络只有输入层、隐藏层和输出层。其中隐藏层的层数根据需要而定，没有明确的理论推导来说明到底多少层合适。卷积神经网络CNN，在原来多层神经网络的基础上，加入了更加有效的特征学习部分，具体操作就是在原来的全连接层前面加入了卷积层和池化层。卷积神经网络的出现，使得神经网络层数得以加深，“深度”学习由此而来。

机器学习需要的执行时间远少于深度学习，深度学习的参数往往很庞大，需要通过大量数据的多次优化来训练参数。朴素贝叶斯、决策树等。