一.机器学习
机器学习是人工智能的一个分支，它是通过计算的手段，通过大数据所产生的经验来改善计算的性能。与传统的人工向机器输入知识的操作不同，机器学习是从大数据中获取经验，通过指定的算法自身从经验中学习到所需的知识，然后对用户进行特定场景的知识转化与推理输出。
而所谓的经验的积累，是机器存储的一种从大数据中摘取的事物的特征的数据，机器学习算法便于通过这些数据产生的模型。
二.特征与特征学习
特征通过一系列参数用机器来推理识别一个指定的结论，比如通过一系列特征约束，计算机能识别物体是一个足球。但是随着机器学习的任务复杂多变，特征的多样化极具个体性，让模型很难泛化。最后特征也通过让机器学习完成，称为“表示学习”。
三.深度学习
深度学习以原始数据作为算法输入，由算法将原始数据逐层抽象为自身任务所需的最终特征表示，最后以特征到任务目标的映射结束。
深度学习除了模型学习外，还有特征学习，特征抽象等任务模块参与，故称为“深度学习”。
神经网络算法是深度学习的一类代表。其中包含深度置信网络，递归神经网络，卷积神经网络等等。 目前用的比较广泛的便是卷积神经网络。
