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。。。