PyTorch-機械学習とディープラーニング

この章では、機械学習と深層学習の概念の主な違いについて説明します。

データ量

機械学習はさまざまな量のデータで機能し、主に少量のデータに使用されます。一方、ディープラーニングは、データ量が急激に増加する場合に効率的に機能します。次の図は、データ量に関する機械学習とディープラーニングの動作を示しています。

ディープラーニングアルゴリズムは、従来の機械学習アルゴリズムとは異なり、ハイエンドマシンに大きく依存するように設計されています。深層学習アルゴリズムは、膨大なハードウェアサポートを必要とする大量の行列乗算演算を実行します。

機能エンジニアリングは、ドメイン知識を特定の機能に組み込んで、データの複雑さを軽減し、学習アルゴリズムに表示されるパターンを作成するプロセスです。

たとえば、従来の機械学習パターンは、機能エンジニアリングプロセスに必要なピクセルやその他の属性に焦点を当てています。深層学習アルゴリズムは、データからの高レベルの特徴に焦点を当てています。これにより、新しい問題ごとに新しい特徴抽出器を開発するタスクが軽減されます。