# 机器学习的路径

机器学习最开始的一步是了解机器学习的基本概念，这个百度就有我就不多做赘述，学姐以前的文章中也说过好多次。

你可以先简单的理解为：机器学习是学习算法，研究计算机算法，改善算法性能的工作。现在很少有单独的机器学习工作，基本都是结合了深度学习和其他目的应用。

了解了基本概念之后，你还要具备python语言基础，说人话就是学python。

同时了解基础的数据科学入门知识。

不会python无法实现数据结果，不了解数据科学基本知识，根本不知道哪些数据能用，哪些数据怎么用，简单理解就是，常用的python库的使用！

这部分薄弱的，可以看看学姐机器学习系列第1-5弹

别着急，学了这部分离了调包还剩一步，这一步就是数学。

数学这一步基础一定要打牢，特别是线代和概率论。这两个知识点在机器学习中应用比较多。

接下来就是学机器学习基础原理和应用，比如调包，调参之类的。

调包调参这一步需要学习模型原理和基本的算法公式推导。

学完这个再去学西瓜书和统计学习方法里面的算法和公式推导。

好说到这里，我们来谈谈本文要讲的核心问题——

# 为什么只会调包

为什么学到最后只会调包了？

首先数学知识不牢固，笨方法就是把线代和概率论的知识再快速的学习一遍。

其次，机器学习的基础原理了解太浅，在学习这块知识的时候只是看，没有自己的思考。

知乎上的这位朋友的思考方式就值得借鉴：

再者就是，不理解机器学习算法中的数学公式是怎么来的，当你理解了机器学习算法中的数学公式是怎么来的的时候，你自然就会在调参的时候心中有数。

锻炼自己推导算法、数学公式的能力，就要去啃一啃《西瓜书》，《统计学习方法》这些书，还有相关机器学习视频了！怎么学看下面。

有人说了，我可以掌握调参的技术就行，不必理解算法中的数据公式。

知其然而不知其所以然，真的能做好一份工作吗？

还有如果你想进大厂，还是学一学吧！要不然面试都过不了，基本大厂面试都会让你手推算法、数学公式。

# 有哪些解决办法

敲代码的时候

不要复制，第一遍对照着敲，第二遍思考着敲，怎么思考，就是记录前后衔接，一步一步的做，如果哪个地方卡壳了再去看源代码。

学习的时候

看视频10分钟，看书10分钟，或者任何的学习方式学10分钟。

然后，停下视频，放下书，把复习资料放一边。拿出一张白纸和一只笔，把刚才10分钟学习的内容从头到尾“默写”或者推导一边。此过程不能间断，如果遇到卡壳的地方，实在想不出来就跳过。

这就是你自己觉得懂了，但是实际不懂，或者，无法灵活应用的地方。

“默写”完后，把这些卡壳的地方重新学习一下。然后继续。渐渐的你会发现，自己可以“默写”15分钟，20分钟，30分钟，一整节课的内容，最后到能默写2节课的内容，3节课的内容。

直到最后，你可以把“整门课”或者“整本书”的内容“默写”出来。有了这个积累，想不能灵活应用都难。

只有“默写”才是解决灵活应用的唯一途径！

——我命由我不由天（知乎）

最直接的锻炼方法

打比赛，在实战应用中练习，视频中，书本中学到的知识，在比赛中得到应用，同时再比赛中发现自己缺失的技能，及时补充，注意记录自己发现的问题，以及解决办法。

报学习班，从入门