學機器學習已經大半年了，現在才發現自己是初識機器學習。
一開始學機器學習，真的以爲它是個機器，學會了就可以拿來用，或是拿來改進。現在才明白，學機器學習的方法不僅要弄明白理論基礎和算法思路，還要明白算法的脈絡，它的每一步都是爲什麼這麼做，掌握算法背後的真正的思想，才能融會貫通，針對不同的問題提出不同的算法，對新問題提出新算法。
特別是，有些算法是在其他算法的基礎上產生的，就更要弄清楚，怎麼產生的這個算法？原來的有什麼問題？產生的新算法又解決了什麼？原來的算法加上現在的知識和技術，能產生更好的算法嗎？產生的新算法還能優化和改進嗎？新算法需要哪些理論支持？這些理論和原算法的理論有什麼異同？希望我以後讀文獻時仔細思考這些問題。
再就是，學習一個算法切不可一知半解，就去盲目的想在這個算法上作出什麼，一定要理解透徹、思路清晰，才能行動去做。
現在發現數學-理論、編程-實驗、英語-學習的輕鬆程度、文筆-寫作、健康-精力，真是缺一不可，好憂傷。。。
