深度学习时代,还需要学习传统机器学习算法吗?(你必须知道的)

发布时间:2023年12月24日

1 引子

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。

2 深度学习基本颠覆了传统机器学习

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。

3?精通推荐算法

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。

推荐算法架构1:召回

推荐算法架构2:粗排

推荐算法架构3:精排

推荐算法架构4:重排

推荐算法架构5:全链路专项优化

推荐算法架构6:数据样本

推荐算法架构7:特征工程

另有《精通推荐算法》系列文章连载,欢迎点赞、收藏、关注。

精通推荐算法1:为什么需要推荐系统(系列文章,建议收藏)

精通推荐算法2:推荐系统分类(面试必备)

文章来源:https://blog.csdn.net/u013510838/article/details/135185268
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。