如何通俗易懂的描述机器学习的流程？

主要观点总结

本文介绍了机器学习和深度学习的算法流程区别。首先概述了机器学习的流程，包括数据集准备、探索性数据分析、数据预处理、数据分割、机器学习算法建模、选择机器学习任务等。然后介绍了深度学习与机器学习的相似之处，以及深度学习如何优化流程并引入神经网络自动进行高维抽象学习。最后，强调了调参工作在深度学习中的重要性。

关键观点总结

关键观点1: 机器学习算法流程

包括数据集准备、探索性数据分析、数据预处理、数据分割、机器学习算法建模等步骤。其中数据预处理占据大部分时间，模型建立和后续分析仅占一小部分。

关键观点2: 深度学习算法流程

与机器学习相似，但深度学习通过神经网络自动进行高维抽象学习，减少了特征工程的构成，节约了时间。调参工作变得更加重要，包括定义神经网络模型结构、确认损失函数、确定优化器等。

关键观点3: 机器学习与深度学习的区别

深度学习优化了数据分析流程，通过神经网络自动提取特征，减少了人工特征工程的需要。但深度学习也引入了更复杂的网络模型结构，调参工作更加繁重。

文章预览

点击下方 卡片 ，关注“ 新机器视觉 ”公众号 重磅干货，第一时间送达 作者： ZOMI酱  ｜ 来源：知乎 机器学习和深度学习算法流程 终于考上人工智能的研究僧啦，不知道机器学习和深度学习有啥区别，感觉一切都是深度学习  挖槽，听说学长已经调了10个月的参数准备发有2000亿参数的T9开天霹雳模型，我要调参发T10准备拿个Best Paper 现在搞传统机器学习相关的研究论文确实占比不太高，有的人吐槽深度学习就是个系统工程而已，没有数学含金量。 但是无可否认的是深度学习是在太好用啦，极大地简化了传统机器学习的整体算法分析和学习流程，更重要的是在一些通用的领域任务刷新了传统机器学习算法达不到的精度和准确率。 深度学习这几年特别火，就像5年前的大数据一样，不过深度学习其主要还是属于机器学习的范畴领域内，所以这篇文章 ………………………………