机器学习算法领域里，有一个颇受争议的观点：机器学习算法不需要数学，因为很多算法都封装好了，调个包就能用，并不需要大量的数学知识。

　　对此我先抛出个人的愚见：机器学习算法从业者的确不需要花费大量的时间在数学上，相比于数学的研究，掌握调参的技巧更加重要，更具有实践意义。然而，数学绝非一无是处。同样是做机器学习算法，数学更好的人可以做出更加高效、更加简洁的模型。

　　机器学习算法

　　调参和优化，在机器学习算法里面非常重要。接触一个场景，根据需求去做算法，你发现准确度不好、loss很高等很多问题，这个时候哪怕你拥有非常深厚的数学功底，也未必能够找到问题出在哪里。当然，数学知识会引导你找到一个大致的解决问题的方向，但不会告诉你解决问题的具体方法。所以如何获取解决问题的方法？靠的是经验。哪怕只会调包，做得多了也能积累出经验。所以数学功底好的人，真不必瞧不上那些玩调包的人，因为论找问题的经验，不一定谁更技高一筹。

　　工业界里模型并没有那么多，而能调整的参数也没有那么多。对于数学能力不是很强的机器学习算法工程师来说，这绝对是一件好事。因为就算数学知识不强，具备一定的调参经验，也能做出不错的效果。就拿工业界常用的Regression算法来讲，这个算法真的比其他算法好吗？倒也不是。出众的算法，大多都是因为它更加稳定，更加易于解释和说明。

　　机器学习算法

　　当然，很多人都在说机器学习算法想要入门，必须具有相当强的数学基础。类似的言论不知道劝退了多少年轻人，因为数学这门学科对于很多人而言简直就是噩梦般的存在。大家一看，数学要求那么高，还是算了吧。为什么大家都在说数学对于算法工程师的重要性呢？这里面是否高估了数学的重要性呢？存在这样一个大家都不愿意放在台面上说的问题：科班出身的怕被人抢了饭碗，所以一定会说这一行门槛很高，对于数学要求很高。

　　对于数学一窍不通的人要做机器学习算法，那是行不通的。但是，大家也不必高估数学对于算法的重要性，如果有人告诉你想搞算法必须要精通各种高深的数学理论，你也是不必相信的，合理看待数学对于算法的作用就好了。