每一个深钻机器学习的人都会遇到这七大经典问题

　如果希望了解机器学习，或者已经决定投身机器学习，你会第一时间找到各种教材进行充电，同时在心中默认：书里讲的是牛人大神的毕生智慧，是正确无误的行动指南，认真学习就能获得快速提升。但实际情况是，你很可能已经在走弯路。
　　科技发展很快，数据在指数级增长，环境也在指数级改变，因此很多时候教科书会跟不上时代的发展。有时，即便是写教科书的人，也不见得都明白结论背后的“所以然”，因此有些结论就会落后于时代。针对这个问题，第四范式创始人、首席执行官戴文渊近日就在第四范式内部分享上，向大家介绍了机器学习教材中的七个经典问题。本文根据演讲实录整理，略有删减。
　　有时我们会发现，在实际工作中，应该怎么做和教科书讲的结论相矛盾，这时候要怎么办呢？难道教科书中的结论出错了？事实上，有时确实如此。所以今天我就想和大家分享一下机器学习教材中的一些经典问题，希望对大家今后的工作和学习有所帮助。
　　神经网络不宜超过三层
　　
　　那为什么之前的教科书上会写神经网络不能超过三层，这就要从神经网络的历史说起。五十年代有位科学家叫Marvin Minksy，他是一位生物学家，数学又很好，所以他在研究神经元的时候就在想能不能用数学模型去刻画生物的神经元，因此就设计了感知机。感知机就像一个神经细胞，它能像神经细胞一样连起来，形成神经网络，就像大脑的神经网络。其实在60年代开始的时候，是有很深的神经网络，但当时经过大量实验发现，不超过三层的神经网络效果不错，于是大概到80年代时就得出结论：神经网络不宜超过三层。