深度學習最終會淘汰掉其他所有機器學習算法嗎？謝謝。我可以確切地說，不！也許首先，為什么深度學習被稱為“深度”？從當前技術(shù)的角度來看，深度學習結(jié)合底層特征，形成更抽象的屬性類別或特征的高層表示，從而發(fā)現(xiàn)

深度學習最終會淘汰掉其他所有機器學習算法嗎？

謝謝。我可以確切地說，不！也許首先，為什么深度學習被稱為“深度”？從當前技術(shù)的角度來看，深度學習結(jié)合底層特征，形成更抽象的屬性類別或特征的高層表示，從而發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。

深度學習屬于前者，它有很多參數(shù)需要調(diào)整，是一個非常大的參數(shù)模型。一般的機器學習模型屬于后者，它需要強大的特征來分離數(shù)據(jù)，最終得到不同的類別。

一般來說，目前深度學習確實有很多優(yōu)勢。例如，對我來說，這是非常簡單和暴力的。它不需要很長時間來調(diào)整參數(shù)，清理數(shù)據(jù)，并把它扔進去看看結(jié)果。如果不好，調(diào)整參數(shù)繼續(xù)嘗試。一般的機器學習模型不是這樣的。它需要大量的特征工程。但是，深度學習有一個問題，到目前為止還沒有解決的工程。它是一個可解釋性差的“黑匣子”，導致系統(tǒng)出現(xiàn)錯誤，無法快速找出原因或追溯以前的錯誤。所以在工程中，我們實際上更喜歡特征少的工程和解釋性強的模型來獲得更好的結(jié)果。我們期待著深學在未來科學技術(shù)的進一步發(fā)展。

我將在這里發(fā)表所有關于算法、機器學習和深度學習的有趣文章。

編寫代碼不容易。如果這篇文章對你有幫助，請喜歡