机器学习发展的两大阶段

机器学习发展的两大阶段 Two stages of machine learning
      机器学习的发展可以分为两个阶段：浅层学习(Shallow Learning) 和深度学习（Deep Learning)。       1.浅层学习       20世纪80年代末期，用于人工神经网络的反向传播算法（也称为Back Propagation算法或BP算法)的出现，拉开了浅层学习的帷幕。利用BP算法可以让人工神经网络模型从大量样本中学习出规律，并进行预测。但是，浅层学习模型依靠人工经验来抽取样本的特征，往往要求开发人员挖掘出好的特征。       2.深度学习       2006年，加拿大多伦多大学教授、机器学习领域的泰斗Geoffrey Hinton和学生Salakhutdinov在Science上发表文章《Reducing the Dimensionality of Data with Neural Networks》，翻开了深度学习的新篇章。与浅层学习模型不同，深层学习模型不需要依赖人工经验，通过构建机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。