首先知道这几个概念Artificial IntelligenceAI人工智能Machine LearningML机器学习Deep LearningDL深度学习其中深度学习Deep Learning, DL是机器学习Machine Learning, ML的一个子领域。两者的核心区别在于机器学习ML依赖人工特征工程深度学习DL通过神经网络自动学习特征什么时候用 ML什么时候用 DL呢?可以用一个简单原则概括小数据 强特征 → 机器学习ML大数据 复杂数据 → 深度学习DL稍微展开适合使用机器学习ML的情况数据量较小特征具有明确物理或统计意义任务较简单分类、回归需要较强可解释性适合使用深度学习DL的情况数据量较大数据结构复杂图像、语音、时序等特征难以人工设计更关注模型精度在科研或工程中更推荐先用机器学习模型做 baseline如 Random Forest、XGBoost再用深度学习模型提升性能最终通过对比实验选择最优模型模型选择没有固定答案本质是根据数据和任务做权衡。