深度學(xué)習(xí)最終會(huì)淘汰掉其他所有機(jī)器學(xué)習(xí)算法嗎？謝謝。我可以確切地說(shuō)，不！也許首先，為什么深度學(xué)習(xí)被稱(chēng)為“深度”？從當(dāng)前技術(shù)的角度來(lái)看，深度學(xué)習(xí)結(jié)合底層特征，形成更抽象的屬性類(lèi)別或特征的高層表示，從而發(fā)現(xiàn)

深度學(xué)習(xí)最終會(huì)淘汰掉其他所有機(jī)器學(xué)習(xí)算法嗎？

謝謝。我可以確切地說(shuō)，不！也許首先，為什么深度學(xué)習(xí)被稱(chēng)為“深度”？從當(dāng)前技術(shù)的角度來(lái)看，深度學(xué)習(xí)結(jié)合底層特征，形成更抽象的屬性類(lèi)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(xué)習(xí)屬于前者，它有很多參數(shù)需要調(diào)整，是一個(gè)非常大的參數(shù)模型。一般的機(jī)器學(xué)習(xí)模型屬于后者，它需要強(qiáng)大的特征來(lái)分離數(shù)據(jù)，最終得到不同的類(lèi)別。

一般來(lái)說(shuō)，目前深度學(xué)習(xí)確實(shí)有很多優(yōu)勢(shì)。例如，對(duì)我來(lái)說(shuō)，這是非常簡(jiǎn)單和暴力的。它不需要很長(zhǎng)時(shí)間來(lái)調(diào)整參數(shù)，清理數(shù)據(jù)，并把它扔進(jìn)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(jī)器學(xué)習(xí)模型不是這樣的。它需要大量的特征工程。但是，深度學(xué)習(xí)有一個(gè)問(wèn)題，到目前為止還沒(méi)有解決的工程。它是一個(gè)可解釋性差的“黑匣子”，導(dǎo)致系統(tǒng)出現(xiàn)錯(cuò)誤，無(wú)法快速找出原因或追溯以前的錯(cuò)誤。所以在工程中，我們實(shí)際上更喜歡特征少的工程和解釋性強(qiáng)的模型來(lái)獲得更好的結(jié)果。我們期待著深學(xué)在未來(lái)科學(xué)技術(shù)的進(jìn)一步發(fā)展。

我將在這里發(fā)表所有關(guān)于算法、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的有趣文章。

編寫(xiě)代碼不容易。如果這篇文章對(duì)你有幫助，請(qǐng)喜歡