一点学习经验的记录,核心是:本质学习或者说学习“思维”
学习经典算法,了解其原理、实现和吃透其实是不太够的,
更多地还要关注其背后所用到的思想和精髓。
比如传统算法里面的PCA ,其背后代表的降维思维。
比如什么样的情况下可以降维?
如果需要重新设计一个降维方法的话,应该从哪些方面去考虑?
什么样的条件是让这个降维是可行的?
一个好的降维、一个成功的降维,它应该满足什么条件?
比如学习树模型,掌握随机森林或者说 GBDT 算法并不是最重要的,而是在这两类模型中
蕴含的集成学习思维。
同理,也应该思考,什么样的情况下可以集成?
除了树模型,还有其他的算法可以用到集成?
什么样的模型不能集成?
一个好的集成应该从哪些方面去考虑?
一个好的集成应该满足那哪些条件?
不同的模型应该如何去集成才能达到它最好的效果?
再比如说,贝叶斯学派和统计学派,
重点是要去关注为什么会有这两种学派?
他们考虑问题的角度有什么不同?
而不是每种学派有那些算法?
再比如深度学习…
摘自B 站某up,值得新手反复观看、思考。