大家好，今天小编关注到一个比较有意思的话题，就是关于python 德州***机器学习的问题，于是小编就整理了2个相关介绍python 德州***机器学习的解答，让我们一起看看吧。
深度学习最终会淘汰掉其他所有机器学习算法吗？
并不会。
俗话说：“用四个参数我可以拟合出一头大象，而用五个参数我可以让它的鼻子摆动。”
无论何时，机器学习首先考虑的都是简单的模型（比如线性回归、线性分类、决策树），而不是深度学习这样沉重的模型。这不仅是为了节省算力，也是为了避免模型过于复杂导致的过拟合。
比如，知名的python机器学习库scikit-learn就不支持深度学习，但使用仍然十分广泛。包括Spotify、Evernote、Booking***、OkCupid等知名公司都使用scikit-learn.
（图为scikit-learn***截屏）
另外，强化学习现在也非常火热。各种人工智能顶会上有大量强化学习方面的论文。
在一对一无限注德州***比赛中击败顶级人类选手的Libratus用的就是强化学习的技术，反事实遗憾最小化（counterfactual regret minimization）的新变体。也就是说，这个玩德州***的AI并不关深度学习什么事。
当然，现在的强化学习，常常结合了深度学习，也就是深度强化学习，比如Alpha Go. 这其实也反映了深度学习发展的趋势，和其他机器学习技术相结合。
简单粗暴一点的说，我认为深度学习会，甚至已经在淘汰几乎所有的传统机器学习算法… 但是，深度学习也会被更新的未来算法所淘汰。
当然实际上这么说是不太公平或不准确的。应该说算法进化是一个不断融合，不断取长补短的扬弃过程。淘汰这个词过于武断或是戏剧化了。
深度学习的积极意义在于，至少我认为是，摆脱了传统“专家系统”的局限性，是首次真正站在“机器”的角度，而不是从人的视角，去学习智能。
我常说这个突破堪比微积分，是划分初等数学和高等数学的分界线。人工智能领域也是从深度学习开始从“初等智能”迈向“高等智能”的。
当然这绝不是终极算法，想想微积分从牛顿时代到今天都发展了多少？
首先可以很肯定的说，不会！理由是因为每种算法都有擅长的领域，解决相应的问题，没有一种算法可以解决所有问题。而且在实际应用中还需要考虑成本问题，深度学习是很高级的算法这一点没错，但并不代表它就适合解决所有问题，难道真的要用高***去打蚊子吗？效果不一定好哦，而且成本是不是太高了呢。再退一步讲深度学习也是基于早期的算法发展起来的，他们是包含关系，并不是独立存在的。
当然不会，只能说深度学习这个分支会继续蓬勃发展。但还有很多别的分支，比如迁移学习、强化学习…会继续向前发展。另外，DL的发展也会有瓶颈，Hinton大神的最新Capsule论文也说明了问题，所以凡事都没有绝对，多吸收各种知识，开阔眼界，才能更好的掌握AI的各方面。
算法越经典越简单越不会被淘汰掉。自信地说，两百年后甚至两千年后，线性回归依然被广泛地使用，但目前深度学习的算法可能被颠覆。因为目前深度学习算法在数学上依然是建立在梯度下降法之上，靠蛮力计算，并没有取得突破，有可能被颠覆。很多牛人对目前深度学习算法不满意，认为存在局限性，我们大脑不可能像深度学习那样思考问题的，难道你也按照梯度下降法那样思考决策吗？因此深度学习未来被颠覆的可能性很大。很多年后，深度学习没有了，但线性回归依然存在，最小二乘法依然存在。最小二乘法诞生于1809年，已经有两百多年历史了，但目前还广泛应用于各行各业，你觉得再过两百年，最小二乘***消失吗？
人工智能有什么用？
我认为人工智能的好处就是精细，准确；具体到对人类的好处，能体现在工作，生活，学习等各个方面。
工作方面：
1.帮助提高生产率；
2.帮助从繁重的，重复的工作中解脱；
等等。。。
生活方面：
1.提高人类的生活质量；
2.应用在医疗领域能提高寿命；
等等。。。
到此，以上就是小编对于python 德州***机器学习的问题就介绍到这了，希望介绍关于python 德州***机器学习的2点解答对大家有用。
