有现成的机器学习工具包，为什么还要学算法

机器学习是大数据、人工智能等技术的基础，近年来也随着大数据等概念的火爆而越来越成为IT领域的热门话题。

由于机器学习需要一定的数学基础，因此被一些人看作是可望不可及的“高大上”技术；同时，也有人认为，目前有许多现成的机器学习开发工具包，把数据直接导入到工具包就可以得到结果了，何苦花费大量的精力去学习机器学习算法呢？

那有没有必要去学习机器学习算法呢？

非常有必要！！

最简单、最容易理解的例子：如果不懂算法，你和其他人使用相同的工具包，拥有相同的数据，结果会怎样呢？

结果是：你们所有人都可以得到分析结果，但是结果是相同的！相同的！！相同的！！！此外，当数据分析结果不准确时不同算法的人也往往束手无策。

众多企业要去高薪聘请数据分析师原因就在于：企业所需的是精通算法的是专业的数据分析人员，他们精通算法，当遇到数据分析需求时，可以根据实际的问题来“订制”自己的工具。直观的说，这个“订制”主要是指：

• 在使用数据时，是使用所有的数据，还是使用某些特定的特征，特征是否需要进行某些预处理等。
• 机器学习算法往往非常精妙，有众多的参数，需要关注很多细小的细节；任何参数和细节的微小变化都可能导致分析结果有巨大的差异，此所谓“失之毫厘，谬以千里”。

因此，对数据分析从业者来说，精通或者熟悉算法是必要的，起码要熟悉常用的分析算法以及特征选择、特征映射等方法。

扫描二维码，关注“格物课堂”微信公众号