思考·感悟——学习算法背后的所代表的“思想”

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。

传送门