返回信息流很多机器学习的算法被应用到系统结构的研究中，但是像我们这样的研究者，只知道apply 那些算法并且知道，ok，这个能取得很好的效果但是实际上我们不知道为什么会这样，这个时候我们应该怎么办呢？ 怎么处理这样的事情呢？还是说其实ML 界自己也不知道为什么这样work么 ？
今天上午跟师兄聊到这个话题，觉得这就是系统界跟 ML 界脱节的一个地方，不知道大家怎么看？
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #14916同步于 2014/12/12
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
系统研究和机器学习的gap
canbyjiaoxun
2014/12/12镜像同步3 回复
订阅后，新回复会通过你的通知中心匿名送达。
3 条回复
想法差不多，只知道好，不知道为啥好
【 在 canbyjiaoxun 的大作中提到: 】
很多机器学习的算法被应用到系统结构的研究中，但是像我们...
貌似是ucsb的孩纸诶，现在的CNN很多就是调参，现在的理论分析并不能得到很好地指导调参，所以更多的是靠经验咯，工业界只看这个work不work吧
其实我觉得这样not bad
理论和实践应该是两个不同的角度
当做黑盒挺好的，毕竟不是所有的研究都要跟ML扯上关系
利益无关：正在学习的方向很少使用CNN/DL这种ML算法