现在很多人都是比较关注机器学习的，而大家在进行机器学习的使用或者学习中都会或多或少出现一点错误，这就使得很多人无法正确理解机器学习知识，那么大家是否知道机器学习中常见的错误都有哪些呢？下面我们就给大家介绍一下关于机器学习的常见错误。
机器学习中的常见错误有两个，第一就是很多人过于依赖算法，这是为什么呢？因为机器学习系统的核心是模型和算法，基于模型和算法的可扩展性也是机器学习系统的核心竞争力之一。虽然说机器学习的核心是算法和模型，但是这并不代表系统中的每个环节都一定要用算法来处理，完全摒弃非算法的、甚至手工的方法。很多机器学习系统中都会有一些核心的基础数据，不管这些数据是多还是少，大家的第一反应往往是用算法去处理这些数据，但是有的时候简单直接的方式才是真正有效的方法。但是真的是这样的吗？
我们在构建机器学习的时候，需要得到一份干净的数据，那么什么是干净的数据呢？干净的数据就是没有噪音的数据，为了达到去除噪音的目的，有人尝试过很多方法，简单的高级的都试过，都有效果，但都达不到我们要的效果。不过经过ROI衡量，我们决定人工来处理这些数据，用这种方式进行处理数据能够获得更好的结果。所以说，我们不是不提倡使用算法，我们提倡的是要根据具体的问题选择合适的方法。过于依赖某一种方法会有局限性。这样就能够很好的解决很多问题，所以说，即使是在机器学习系统这种整体比较高大上的系统中，也要具体问题具体分析，需要我们换方式做的，我们就不能使用算法了。
机器学习中常见的错误还有团队不够“全栈”。就目前而言，全栈工程师是近年来很火爆的一个概念，在机器学习这样一个复杂系统中，每个人都做到全栈未必现实，但是有一条基本要求应该努力做到，就是团队级别的全栈。而机器学习系统的团队一般主要由算法工程师和系统工程师组成，往往会忽略其他角色，比较典型的就是掌握前端技能的工程师。前端技能在机器学习系统中有很重要的作用，当然，技术全栈只是解决问题的手段，更重要的是能关注全部系统的全局性思维。
在这篇文章中我们给大家介绍了关于机器学习中容易出现的错误，第一就是过于依赖算法，第二就是团队的全栈水平不够。所以说，我们要想更好的学习机器学习就一定要避免这两个问题。