广义上来说，机器学习算法包含以神经网络为基础的深度学习算法。但是由于近年来神经网络在各种机器学习任务上的优异表现，人们开始倾向于将传统的机器学习算法（如后面将要讲的SVM，k 近邻等）和深度学习区分开来。当然这样做也是合理的，因为深度学习理论和应用的研究从深度和广度上来说已然可以自成一体。并且，现今人工智能的工业产品中（如人脸识别、证件识别、智能问答、病理检测等），以深度学习为算法支撑的占绝大多数。作为机器学习领域的学习者，对于深度学习的相关内容自然应当予以足够的重视，因此本书将深度学习内容单独作为一篇，进行较为详细的介绍。
现在我们已经基本对这些常见的概念有所了解了，下面将用一个示例来具体说明传统算法与机器学习算法的区别，然后以线性回归及其相关“变体”来介绍机器学习的基本原理。