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”？從當前技術的角度來看，深度學習結合底層特征，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”？從當前技術的角度來看，深度學習結合底層特征，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整參數(shù)，清理數(shù)據(jù)，并把它扔進去看看結果。如果不好，調整參數(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果。我們期待著深學在未來科學技術的進一步發(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。

橫搖是水深測量的測量單位。在水深測量技術術語中，橫搖可以解釋為測量船的“橫搖”。

2. Roll（routing over lossy and low power networks）低功耗路由算法。

3. 同時，roll是IETF為研究低功耗IPv6網絡而成立的三個工作組之一。另外兩個工作組是6LoWPAN（低功耗有損網絡上的IPv6）和core（受限restful環(huán)境）。

roll是什么計量單位？

Dropout本身是人類設定的一個常量，但不可否認，它是一個非常有用的算法。輟學可以使網絡學習到更多的內容，增強網絡的泛化能力，防止過度擬合，這也是alexnet在過去12年中取得成功的一個重要原因。但目前，隨著批量歸一化的出現(xiàn)，它可以使網絡更好地防止過擬合，因此一般建議盡量使用BN。此外，當數(shù)據(jù)量較小時，不建議退出。

同時，建議關注Ibn網唐曉鷗先生的最新研究成果，將in和BN相結合，使CNN更準確，更具概括性。具體內容可以關注我的標題，這是我以前的文章介紹的。