入門機器學習從理論開始還是從實戰開始

1樓：林君

個人建議理論與實戰並重，同步進行。機器學習既要求理解統計、演算法原理，又要求掌握python、R等計算機語言，有的甚至要求懂C語言。

關於理論：有的同學可能覺得現在機器學習都是調包調參，尤其是有了python、R這些膠水語言後。但絕不可忽視理論，因為只有掌握理論才能更清楚引數的含義，並靈活運用。

在面試時，統計、演算法原理佔很大一部分，如分類演算法、回歸演算法、聚類演算法、模型評估等；有的甚至直接面試統計基礎知識，如p值的含義、引數檢驗等。所以理論是必需要掌握的。

關於實戰：只懂理論不實戰，是很難看到模型的具體應用效果的；並且實戰能幫助對理論有更深刻的理解，做到學以致用。

我們現在學習的主要目的都是為了應用，理論和實戰並行才是更好的學習方法。目前還沒有發現一本書能深入講解理論，又能兼顧實戰的，所以不妨多買兩本書同時學習，理論與實戰互補。

python機器學習，個人覺得還不錯，既有部分理論，也有實戰。雖然理論沒有特別詳細，但對初學者來說，還算順手。

至於統計學基礎知識，還是需要通過專門的統計學書籍來學習，個人用過的書：

最後，祝同學們學習順利。

2樓：取名好難

萬事從理論開始，萬丈高樓平地起，理論紮實能讓你在實戰中更快的吸收轉化實戰經驗，讓實戰更得心應手。在理論學習中發現問題通過實戰去化解和深入理解理論知識。

3樓：jspi

如果是青少年，我建議從實戰開始，這樣一步一步逐漸深入，有成就感，不易厭倦。

如果是成年人，是從理論還是從實戰開始應該都可以，個人以為從理論開始更好一些，這樣更容易理解透徹一些。

你們覺得呢？

4樓：

我個人認為理論加實踐相結合，更好地生動有興趣去學習。

機器光學理論知識太枯燥，如果理論知識基礎加上實戰，更好地讓人理解上牢固。

但是光實戰的話，沒有理論知識，就像閉門造車，沒有多大成就。

古人言：」知與行，工夫須著並到。知之愈明，則行之愈篤；行之愈篤，則知之益明。二者皆不可偏廢。如人兩足相先後行，便會漸漸行得到。「

5樓：哆啦胖丁

其實從實戰開始也挺好的，很多簡易的機器學習演算法，實戰挺好上手的，比如應用回歸模型進行分類…

但深入下去，依然還是要學理論的

6樓：知乎會倒閉

首先理論的依託應該是在實踐，實踐是驗證理論的最佳方法，應該說實踐要重要的多，特別在一些已經成功的方案面前實踐就難得可貴，只有自己去實踐操作，然後在實踐的基礎上新增新的可能性，或者說理論，這對於自己事半功倍

7樓：瑾沁一

理論開始，因為理論是基礎，你要學習乙個東西必須先了解一下基礎知識，先熟知內部結構，再聯絡實際操作，才能學習通透。其實這就跟我們學習漢字一樣，要先學習拼音、音調，然後再識字、造句，都是一步一步來的。

8樓：curry

看你以前學的啥，要是數學基礎統計學基礎好那結合實戰邊做邊回顧，要是啥也沒學過就只能先把理論基礎打好再上手了。總的來說還是兩者一起上

9樓：小小將

理論固然重要，但是沒有實戰有時候反而會陷入理論泥潭中。我個人建議還是理論和實戰結合起來學習，比如理論學習完某個機器學習演算法後，可以去找一些案例讀讀code，跑一下，這樣學習起來更有動力，成就感也更高。

10樓：YinongLong

我應該算過來人，說說自己的看法

我剛開始做ML的時候，應該是從書本開始的，而且這種狀態持續了大約1年。最後感覺自己學的不錯呀，什麼什麼理論怎麼推，書上的demo資料跑的溜，感覺都很簡單呀。。。。。

但是但是，當真正應用到實際，我懵逼了，「不應該呀，資料怎麼會有這種問題？！」「不應該呀，這個模型為什麼不work呀」。。。諸此種種我很受打擊以上