能学好机器学习吗？

不太同意，说机器学习得先学好数学，数学难道还有好学的吗?

这种观点很有代表性，里面包含了两个问题。第一个问题是，机器学习真得先学好数学吗?而另一个问题则是，数学是不是一定都很难学?

先说这个机器学习吧，我们老是“机器学习机器学习”地挂在嘴边，好像专门有项什么技术就叫这个名字。实际上呢，机器学习只是一个大框，里面装满了各种模型算法，从原理到结构，可能都完全不是一回事。所以，最开始我理解的学习机器学习，就是学习各种模型算法到底都是怎么一回事。

难不难呢?我的回答是，可以很难，也可以没这么难，根据你不同的学习目标，至少有三种难度可以选择：

第一种，如果你想要学完之后开发一种新的模型算法，或者给现有的算法模型增加某种设计以提升性能，这种最难，放眼全世界能做到的人都不太多。

第二种，从数学层面掌握机各种器学习算法的原理和逻辑，通常包括了解各类数学名词术语、推导各种公式等等。这比第一种就是简单太多了，很多开设了机器学习课程的高校就是朝着这个目标制定教学计划的，不过门槛还是挺高的，毕竟要学数学，而数学距离可盐可甜确实还有点远。

第三种，就是掌握机各种器学习算法的原理和逻辑。看着和第二种一样，就是少了“从数学层面”这五个字。有什么差别呢?

差别可大了，这一种着眼于问题，最想知道的是怎样选择合适的模型来解决问题，学习的内容变成了不同的模型有哪些不同的效果，面对问题又该怎样兵来将挡水来土掩。第二种我们说学习难度就已经大大减少，而这第三种和第二种相比，更是折上又打了骨折，难度差别比“买保时捷”和“买保时捷模型”还大。

更重要的是，许多人想学机器学习，想学的不是数学公式，恰恰正是怎样使用，有时还是带着问题学，看看在机器学习这里能不能淘到一把趁手的工具。所以我说，机器学习好学。

02 如何从解决问题的角度学习机器学习

如果学机器学习是为了解决问题，那自然希望学习成本越低越好，学习时间越短越好。而我们也都知道，数学就是个时间黑洞，多少时间扔进去都不一定能听到个响，这也是不少人不太敢碰机器学习的现实原因。

既然这样我们就要问了，有没有不学数学也能用机器学习解决问题的方法呢?

还真有，而且方法不止一种。

第一种，也是比较常见的一种，就是调包。

软件工程里面有一项很重要的思想，叫“封装”，你只管根据定义好的接口调用就行了，算法对来说就是一个黑箱。机器学习领域同样已经有一些封装良好的第三方库，譬如说无人不晓的Scikit-Learn，你完全不用接触任何一点模型的数学原理，要做的只有三件事，准备数据、把数据fit给模型、让模型predict。

这里的fit和predict，就是封装好的接口。如果你翻开一本机器学习的书，基本没啥公式都是代码，告诉你这个怎么用那个怎么用，那就属于这一种。

这种方法简单是简单，就是让人有点不放心，加上我们程序员自带的疑心病属性，不出问题还好，出了问题那一定都是第三方库的问题，所以大家觉得还是得知道一点机器学习的基本原理，不能做纯粹的调包侠。

那有没有绕过数学也能了解机器学习原理和逻辑的办法呢?

有，这就是第二种方法。

如果你只是把机器学习当作莫得感情的工具人，那你要学习的重点，是机器学习模型的选择和组合上。前面我们说了，机器学习是一个框，里面堆满了各种奇形怪状的模型算法，也就是说，这是一只工具箱。

那我们就应该给予它工具箱应有的尊重，了解工具箱里的工具都有什么功能，然后根据我们眼前要去处理的问题，选择一款工具，或者组合使用多款工具，最终解决问题。回想一下，你在工具箱里找螺丝批，只会考虑哪支更合适，应该不会想先要了解它们的铸造工艺。

当然，理想很丰满现实很骨感，机器学习模型毕竟不是螺丝批，想要完全不碰数学，又能准确选择所需要的模型，如果你真的去尝试你就会发现，其实难度很大，肯定得首先有一批已经了解了机器学习的数学背景的，又愿意从工具的角度看待机器学习的前人去积累一些学习材料。

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!