1樓：小龍太子
搞得好像掉包調參很簡單一樣。。。。。。熟悉模型原理的細節，了解自己資料的特徵，又能明確定義自己問題的需求，這樣才能更好地掉包和調參。不然你說調哪個包好，參為啥要這樣調參？
2樓：EricD
你先要避免用Python，應該自己寫個趁手的語言啊。或者再寫個趁手的OS，你怎麼不去挑戰馮氏現代計算機體系？
真自己會調好包了也不至於問這樣的問題...
3樓：淡然胡扯
單純的調包肯定差點意思，但是演算法優化什麼的還是留給演算法工程師吧，遇到調參函式怎麼也得了解一下引數的意義，然後就差不多了，吳恩達都說不是很懂計算過程也沒關係。
然後就是你了解的基本演算法有多基本了。。。
4樓：為所欲為
網上調侃的調參俠，調包俠。說的應該是不關心模型內部數學知識和推導過程的，根據網上教程，搞幾個引數，跑個訓練集測試集，就說自己會機器學習的人。重要的還是要會各種模型的內部知識，最好能自己造輪子實現，然後通過機器學習把業務落地。
否則哪來的錢給你發工資啊。不過，你要想搞科研，那就是另一回事了。
5樓：
你以為程式設計是幹嘛的？重新再寫一遍？你咋不重寫一遍作業系統呢？
程式設計的最主要工作就是站在前一代程式設計師肩膀上，讓自己看的更遠，構築自己的魔方大廈。
能看懂，學會用，就是工程的精髓啊！
6樓：Rothsword
我的看法就是不要去避免，會調包，會調參也是不簡單的。
真的會調包，表明你對機器學習的各類任務都有清楚的了解，對各類模型的應用場景非常熟悉。真的會調參，表明你對各個引數的意義有清晰的認識，對模型後的數學背景比較了解。
如果你不搞研究，呼叫各種穩定高效的模型真的夠用了，沒有那麼多新的模型供你發明，即使是博士，大部分文章也只是針對某個應用場景，在特定的資料集上拼湊些模型，調調引數罷了。
如果你要立志跳出調包調參的桎梏，去學數學，優化方法，統計知識吧，但是真的去發明流傳千古的模型？恐怕不是常人能夠達到的高度。題主如果有這樣的自信與天賦，那就大膽嘗試吧，那個時候天空才是你的極限。
專欄 如何系統入門機器學習？
乙隻大蘑菇 是勞動人民養活了資本家而不是資本家養活了勞動人民商業是最大的慈善這句話如果亂用那就是在刻舟求劍亞當斯密是什麼年代的現在是哪一年了？ 之前去面試一家網際網路公司，基本就是做營銷號的 漂亮女人都這樣做，有智慧型的男人都那樣做這種文章，公司領導講話時也提到了商業就是最大的慈善，乙個靠營銷號賺流...
機器學習應該怎麼入門並且深入
一些比較典型的深度學習演算法，應該是需要學習的。卷積神經網路 卷積神經網路估計是變種型別最多的深度學習方法。下圖中的LeNet5是乙個非常早期的模型。殘差網路 殘差網路在卷積神經網路中加入了恒等路徑。He,Kaiming,et al.Deep residual learning for image ...
入門機器學習從理論開始還是從實戰開始
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。...