机器学习和神经网络的主要区别在于，机器学习是指开发出能够分析和学习数据以做出决策的算法，而神经网络是机器学习中的一组算法，它们执行类似于人脑神经元的计算。

机器学习是一种开发自学习算法的技术，这种算法可以分析数据，从中学习，识别模式并做出相应的决策。它是人工智能的一个子类。机器学习使用各种算法。神经网络就是其中之一。这些概念广泛应用于医学、机器人、**业和农业等各个领域。

覆盖的关键领域

1.什么是机器学习–定义、类型、功能2.什么是神经网络–定义、类型、功能3.机器学习和神经网络之间的区别–关键区别的比较

关键术语

人工智能，反馈网络，前馈网络，机器学习，神经网络，监督学习，无监督学习

什么是机器学习(machine learning)？

机器学习是人工智能的一个子集。机器学习算法分析数据，从中学习并做出决策。它使用统计方法，并允许机器改进与经验。

Figure 1: Machine Learning

机器学习主要有两种类型：有监督学习和无监督学习。在监督学习中，有输入变量（x）和输出变量（y）。算法通过将输入映射到输出（y=f（x））来训练。当提供新的输入时，算法应该预测输出。线性回归、支持向量机和随机森林是监督学习的一些例子。

在无监督学习中，只有输入数据（x）。没有输出数据。在这种情况下，不需要训练算法。相反，它自己发现输入数据中的模式。聚类是一种主要的无监督学习算法。它标识相似的实例并将它们分组以创建集群。通常，无监督学习比有监督学习困难。简言之，机器学习有助于开发系统，可以学习和执行使用数据的预测。

什么是神经网络(neural networks)？

神经网络的灵感来自于生物神经元。在人脑中，有数百万个神经元，信息从一个神经元传递到另一个神经元。神经网络利用这个概念来更快地执行计算任务。

Figure 2: Neural Network

有两种类型的神经网络称为前馈和反馈。在前馈网络中，信息只从输入传递到输出，不包含反馈回路。在反馈网络中，信息可以双向传递，并且包含一条反馈路径。

前馈网络又分为单层网络和多层网络。在单层网络中，输入层连接到输出层。另一方面，多层网络在输入层和输出层之间有更多的层称为隐藏层。

神经网络包含节点。这些节点类似于大脑中的神经元。此外，网络中的连接具有特定的权重。当节点的输入为x1、x2、x3…且相应的权重为w1、w2、w3…时，净输入（y）与以下类似。

y=x1。w1+x2。w2+x3.w3+…。

在对网络输入应用激活函数（如线性或sigmoid）后，它提供如下输出。

Y=F（Y）

然后，对输出进行评估。如果评估输出与期望输出不同，则调整权重。重复此过程，直到获得所需的输出。这是神经网络的基本功能。

机器学习(machine learning)和神经网络(neural networks)的区别

定义

加工学习是指使用统计技术的算法，允许计算机从数据中学习，并逐步提高特定任务的性能。神经网络是一个系统，它的灵感来自于人脑中能够更快地执行计算任务的生物神经元。

算法

回归、分类、聚类、支持向量机、随机森林等是机器学习中的几种算法。神经网络也是一种属于机器学习的算法。

结论

机器学习和神经网络的区别在于，机器学习指的是开发出能够分析和学习数据以做出决策的算法，而神经网络则是机器学习中的一组算法，执行类似人脑中子的计算。

引用

1.什么是机器学习机器学习基础|机器学习教程| 埃杜雷卡！，2018年3月16日，此处提供。