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）

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）