今天上午，小編刷知乎的時候看到一個話題”有沒有必要把機器學習算法自己實現一遍？“。出於好奇，看了好多答主的回答，發現贊成有必要的和沒必要的都大有人在。
贊成有必要實現的主要有以下幾點理由：
-
加深對算法的理解。
-
鍛鍊自己的編程能力。
-
公司面試的時候是一個加分項。
贊成沒必要實現的主要有以下幾點理由：
-
自己實現的計算效率根本沒現成軟件包好。
-
機器學習理論更重要，懂了理論能調包調參就可以了。
看了別人的回答，下面小編結合自己的學習過程來談談我的看法。純屬個人觀點，不喜勿噴。
我的看法是對於一些經典的並且在我們編程能力範圍內的算法，還是可以實現一邊的，比如logistic regression、SVM、K-means等。但機器學習算法好多，有些是超出了我們的編程能力的，對於這些搞懂原理並能熟練使用現成軟件包就可以了。
下面給出小編的一些建議。
一、搞懂原理比實現算法重要。
機器學習的本質是數學和統計學的結合，搞懂這些纔是王道。我們知道一個模型可能有好多參數，不同參數的設置帶來的模型效果可能截然不同，我們只有弄懂了理論原理，才能更好的指導我們選擇合適的參數。如果你只是實現了算法，卻沒有讓算法發揮最大的效果，那又有什麼意義呢？
二、熟悉掌握一個機器學習軟件庫。
成熟的軟件庫一般包含了絕大多數的機器學習算法，並且在實現上使用了許多的數值計算優化技巧。爲了實現自己的需求，我們不必重頭實現算法，即使你實現了 ，你的計算效率也一定沒有軟件庫的高，所以我們要熟練使用一個軟件庫。
在機器學習工程師的招聘要求中，熟練掌握一些機器學習庫如Sklearn是一項必備的技能。
好了，以上就是小編的看法。
