機器學(xué)習(xí)算法領(lǐng)域里，有一個頗受爭議的觀點：機器學(xué)習(xí)算法不需要數(shù)學(xué)，因為很多算法都封裝好了，調(diào)個包就能用，并不需要大量的數(shù)學(xué)知識。

　　對此我先拋出個人的愚見：機器學(xué)習(xí)算法從業(yè)者的確不需要花費大量的時間在數(shù)學(xué)上，相比于數(shù)學(xué)的研究，掌握調(diào)參的技巧更加重要，更具有實踐意義。然而，數(shù)學(xué)絕非一無是處。同樣是做機器學(xué)習(xí)算法，數(shù)學(xué)更好的人可以做出更加高效、更加簡潔的模型。

　　機器學(xué)習(xí)算法

　　調(diào)參和優(yōu)化，在機器學(xué)習(xí)算法里面非常重要。接觸一個場景，根據(jù)需求去做算法，你發(fā)現(xiàn)準(zhǔn)確度不好、loss很高等很多問題，這個時候哪怕你擁有非常深厚的數(shù)學(xué)功底，也未必能夠找到問題出在哪里。當(dāng)然，數(shù)學(xué)知識會引導(dǎo)你找到一個大致的解決問題的方向，但不會告訴你解決問題的具體方法。所以如何獲取解決問題的方法？靠的是經(jīng)驗。哪怕只會調(diào)包，做得多了也能積累出經(jīng)驗。所以數(shù)學(xué)功底好的人，真不必瞧不上那些玩調(diào)包的人，因為論找問題的經(jīng)驗，不一定誰更技高一籌。

　　工業(yè)界里模型并沒有那么多，而能調(diào)整的參數(shù)也沒有那么多。對于數(shù)學(xué)能力不是很強的機器學(xué)習(xí)算法工程師來說，這絕對是一件好事。因為就算數(shù)學(xué)知識不強，具備一定的調(diào)參經(jīng)驗，也能做出不錯的效果。就拿工業(yè)界常用的Regression算法來講，這個算法真的比其他算法好嗎？倒也不是。出眾的算法，大多都是因為它更加穩(wěn)定，更加易于解釋和說明。

　　機器學(xué)習(xí)算法

　　當(dāng)然，很多人都在說機器學(xué)習(xí)算法想要入門，必須具有相當(dāng)強的數(shù)學(xué)基礎(chǔ)。類似的言論不知道勸退了多少年輕人，因為數(shù)學(xué)這門學(xué)科對于很多人而言簡直就是噩夢般的存在。大家一看，數(shù)學(xué)要求那么高，還是算了吧。為什么大家都在說數(shù)學(xué)對于算法工程師的重要性呢？這里面是否高估了數(shù)學(xué)的重要性呢？存在這樣一個大家都不愿意放在臺面上說的問題：科班出身的怕被人搶了飯碗，所以一定會說這一行門檻很高，對于數(shù)學(xué)要求很高。

　　對于數(shù)學(xué)一竅不通的人要做機器學(xué)習(xí)算法，那是行不通的。但是，大家也不必高估數(shù)學(xué)對于算法的重要性，如果有人告訴你想搞算法必須要精通各種高深的數(shù)學(xué)理論，你也是不必相信的，合理看待數(shù)學(xué)對于算法的作用就好了。