最近在知乎上看到一个很有意思的问题,“深度学习时代,还需要学习传统机器学习算法吗?”。这个问题可能是大多数算法入门者都有的疑惑。实话说,当初我入门的时候,也存在这个疑问。
这个问题可能见仁见智,大家意见不一。但个人从投入产出的角度认为,当前没有必要针对性去专门研究传统机器学习算法了。工作中如果碰到了再学习即可。下面是个人见解,不喜勿喷。
深度学习基本颠覆了传统机器学习。如下几个方面:
1、大部分场景用不上传统机器学习了。比如CV、nlp、搜索推荐广告领域,基本看不到svm,树模型,集成学习的影子了。目前也就风控等少数几个场景有涉及。
2、传统机器学习理论体系跟深度学习差别很大,可复用性很低。比如树模型基本与深度神经网络关系不大。不了解传统机器学习,对入门甚至精通深度学习影响不大。
3、传统机器学习种类繁多,理论晦涩,学习难度不比深度学习低。我最开始入门深度学习的时候,也去尝试啃了几个月的西瓜书(周志华老师的机器学习一书),但老实讲,一直云里雾里。周老师的书很经典,但很可惜机器学习的理解难度实在太高。个人认为专门去研究机器学习,投入产出并不高。可以等工作中需要学习的时候,再针对性了解一下。大多数时候,应该碰不到这种情况。
4、随着软硬件性能的飞速提升,以及零样本和少样本学习的发展,深度学习的优势和上限越来越大。目前只有可解释性、工程开销等少数几个方面,深度学习有一定劣势。但大多数场景,这些都不是核心问题。
这就是大名鼎鼎的西瓜书,周老师已经费心降低了理解难度,但学习成本还是很高。
个人从事于搜推广算法方向,有一些心得体会。目前有《推荐算法架构》系列文章刚刚完结。欢迎点赞、收藏、关注。
另有《精通推荐算法》系列文章连载,欢迎点赞、收藏、关注。