ML快调和ML中快都是机器学习中的优化算法，它们的区别如下：

1. 算法思想不同：ML快调是一种基于树的自适应算法，它利用二分搜索的思想自动寻找最优参数组合，可以快速调整参数并保持较高的精度；ML中快则是一种基于梯度的优化算法，利用梯度下降的思想在参数空间中进行搜索和优化。

2. 算法应用不同：ML快调适用于决策树、随机森林等基于树的模型，可以用于分类、回归等多种场景；ML中快则适用于神经网络等基于梯度的模型，可以用于图像识别、语音识别等多种场景。

3. 计算效率不同：ML快调通常比较适用于小型或中型数据集，可以快速调整参数并保持较高的精度；ML中快则通常适用于大型数据集，可以有效提高训练速度和效率。

4. 参数设置不同：ML快调的参数设置较为简单，通常只需要指定参数的范围和步长等参数即可；ML中快则需要设置学习率、动量、正则化等一系列参数，需要更加谨慎和细致的调节。

综上所述，ML快调和ML中快都是机器学习中的优化算法，有着不同的应用场景和算法思想。需要根据具体的问题和数据集合选择合适的算法进行优化和调整。