了解MathWorks如何保护和恢复地球资源
图1.机器学习方法包括无监督学习和有监督学习。
随着大数据的兴起，机器学习已成为解决多个领域问题的关键方法，例如：
机器学习算法能够在数据中发现自然模式，从而生成洞见并帮助您更好地制定决策和做出预测。这些算法每天都在医疗诊断、股票交易、能量负荷预测及更多行业中被用来制定关键决策。例如，媒体网站依靠机器学习算法从数百万种选项中筛选出为您推荐的歌曲或影片。零售商利用这些算法深入了解客户的购买行为。
如果您遇到涉及大量数据和许多变量的复杂任务或问题，但没有现成的处理公式或方程式，可以考虑使用机器学习。
图4.比较对车辆进行分类的机器学习（左）与深度学习（右）方法。
在机器学习中，您需要手动选择用于对图像进行分类的特征和分类器。在深度学习中，特征提取和建模步骤是自动的。
在机器学习和深度学习之间进行选择时，想想您是否有高性能GPU和大量标注数据。如果您不具备其中任何一项，那么使用机器学习可能比使用深度学习更明智。深度学习通常更复杂，您需要至少几千张图像才能获得可靠的结果。
如果选择机器学习，您可以基于许多不同的分类器训练您的模型。您可能还知道提取哪些特征才会产生最佳结果。此外，您还可以灵活地选择各种方法的组合，使用不同分类器和特征来查看哪种排列最适合您的数据。
此MATLAB技术讲座介绍了深度学习和机器学习之间的差异。与主持人一起浏览几个示例，了解如何决定使用哪种方法。
使用MATLAB，工程师和数据科学家可以立即访问预置的函数、丰富的工具箱以及专用于分类、回归和聚类的App，并使用数据作出更好的决策。
MATLAB支持您：
探索MATLAB和Simulink产品常见的类似主题领域。
30天免费试用
选择网站
选择网站以获取翻译的可用内容，以及查看当地活动和优惠。根据您的位置，我们建议您选择：。
您也可以从以下列表中选择网站：
如何获得最佳网站性能
选择中国网站（中文或英文）以获得最佳网站性能。其他MathWorks国家/地区网站并未针对您所在位置的访问进行优化。