機器學習算法領域里，有一個頗受爭議的觀點：機器學習算法不需要數學，因為很多算法都封裝好了，調個包就能用，并不需要大量的數學知識。

　　對此我先拋出個人的愚見：機器學習算法從業者的確不需要花費大量的時間在數學上，相比于數學的研究，掌握調參的技巧更加重要，更具有實踐意義。然而，數學絕非一無是處。同樣是做機器學習算法，數學更好的人可以做出更加高效、更加簡潔的模型。

　　機器學習算法

　　調參和優化，在機器學習算法里面非常重要。接觸一個場景，根據需求去做算法，你發現準確度不好、loss很高等很多問題，這個時候哪怕你擁有非常深厚的數學功底，也未必能夠找到問題出在哪里。當然，數學知識會引導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？靠的是經驗。哪怕只會調包，做得多了也能積累出經驗。所以數學功底好的人，真不必瞧不上那些玩調包的人，因為論找問題的經驗，不一定誰更技高一籌。

　　工業界里模型并沒有那么多，而能調整的參數也沒有那么多。對于數學能力不是很強的機器學習算法工程師來說，這絕對是一件好事。因為就算數學知識不強，具備一定的調參經驗，也能做出不錯的效果。就拿工業界常用的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定，更加易于解釋和說明。

　　機器學習算法

　　當然，很多人都在說機器學習算法想要入門，必須具有相當強的數學基礎。類似的言論不知道勸退了多少年輕人，因為數學這門學科對于很多人而言簡直就是噩夢般的存在。大家一看，數學要求那么高，還是算了吧。為什么大家都在說數學對于算法工程師的重要性呢？這里面是否高估了數學的重要性呢？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，對于數學要求很高。

　　對于數學一竅不通的人要做機器學習算法，那是行不通的。但是，大家也不必高估數學對于算法的重要性，如果有人告訴你想搞算法必須要精通各種高深的數學理論，你也是不必相信的，合理看待數學對于算法的作用就好了。