深度学习最终会淘汰掉其他所有机器学习算法吗

深度学习最终会淘汰掉其他所有机器学习算法吗？

谢邀，我可以很准确地说，不会。

可能首先要明确一点，深度学习为何被称为“深度”？从现在的技术角度看，深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

而普通机器学习算法为什么在面对大数据时有时候无法体现其优势呢？是因为在工程界有这么一说，要达到同样的模型水准，要不就是复杂模型+简单特征，要不就是简单模型+复杂特征。深度学习属于前者，它有很多参数需要调优，是一个非常庞大的参数模型。一般的机器学习模型属于后者，需要有强有力的特征来分离数据，最终得出不同的类别。

总的来说，目前深度学习确实有很多好处，譬如对我而言就很简单暴力了，不用花很长时间进行调参，把数据清洗一下扔进去看看结果，如果不好就调整参数继续尝试，而做一般机器学习模型可不是这样，要做很多特征工程。但深度学习在工程上有个至今为止没有解决的问题，它是个“黑盒”，可解释性差，导致系统出现bug无法迅速找出原因或者回溯之前的错误，所以在做工程而言，我们实际上更倾向于较少的特征工程和可解释性强的模型就可以得到较好的结果，很期待未来深度学习的进一步发展。

如果你对学习人工智能和深度学习感兴趣，可以订阅我的头条号，我会在这里发布所有与算法、机器学习以及深度学习有关的有趣文章。

（码字不易，若文章对你帮助可点个赞~）

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！