# 如果我不擅長數學怎么辦？ > 原文： [https://machinelearningmastery.com/what-if-im-not-good-at-mathematics/](https://machinelearningmastery.com/what-if-im-not-good-at-mathematics/) 實踐科目的從業者可能會受到數學嫉妒的困擾。 這就是他們認為數學家比他們更聰明的地方，他們在“了解數學”之前不能在一門學科中表現出色。 我親眼看到了這一點，我看到它阻止人們開始。 在這篇文章中，我想說服你，你可以開始并在機器學習方面取得很大進步，而不會在數學方面表現出色。 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2013/12/What-if-Im-Not-Good-at-Mathematics.jpg) 如果我不擅長數學怎么辦 [meneldur](http://www.flickr.com/photos/meneldur/59465632/sizes/l/) 的照片，保留一些權利 ## 從頭開始學習 在開始編程之前，我沒有學習布爾邏輯。 我剛開始編程，你可能會這樣做。 我遵循了涉及反復試驗的經驗路徑。它很慢，我寫了很多不好的代碼，但我很感興趣，我可以看到進展。 當我構建更大更復雜的軟件程序時，我吞噬了教科書，因為它們讓我更好地構建我的程序。我尋找可以用來克服我實際遇到的限制的概念和實用工具。 這是一個強大的學習工具。如果我通過被迫學習布爾邏輯或像多態這樣的概念開始編程，我的熱情永遠不會被點燃。 ## 危險區 當我的程序不起作用時，我喜歡它。這意味著我必須卷起袖子，真正理解發生了什么。 您可以通過復制和粘貼代碼獲得很長的路要走，而無需真正理解它。您只需要將代碼塊理解為執行您需要完成的事情的功能單元。將它們粘合在一起，你就有了一個解決你需要解決的問題的程序。 這種經驗性的 hackery 是快速學習的好方法，但卻是構建生產系統的可怕方法。這是一個重要的區別。通常所說的“危險區域”是指根據經驗學習構建的系統是可操作的，而作者并不真正知道它是如何工作的或結果實際意味著什么。 這是一個非常現實的問題。例如，看看一些 I.T.系統和小型企業的網頁，提供這種水平的工作。 在我看來，原型是一個用膠帶粘在一起的復制粘貼泥球，可以勾勒出解決方案的樣子。 操作系統或產生運行結果或決策的系統沒有意外。在團隊挑選每行代碼時，您可以輕松地進行全天的代碼審查。 ## 技術員 您可以根據經驗開始進行機器學習。有三種選擇： 1. 學習駕駛像 scikit-learn，R 或 WEKA 這樣的工具。 2. 使用提供算法的庫并編寫很少的程序 3. 自己從教程和書籍中實現算法。 不僅僅是選項，這可以是技術人員從初級到中級的路徑，即學習技術所需的數學，及時。 定義小問題，有條不紊地解決它們，并在博客上展示您所學到的結果。在此過程之后，您將開始建立一些動力。 您將需要了解更多有趣的算法，例如特定參數在更改時實際執行的操作或如何從特定算法獲得更好的結果。 這將驅使您希望（需要）了解該技術是如何工作的以及它正在做什么。您可以繪制數據流和轉換的圖片，但最終，您需要內化正在發生的向量或矩陣表示和轉換，這只是因為它是我們可用于清楚明確地描述正在發生的事情的最佳工具。 你可以保持經驗主義者。我稱之為技術人員的道路。 您可以建立一個經驗直覺，了解使用哪些方法以及如何使用它們。您還可以學習足夠的代數，以便能夠讀取算法描述并將其轉換為代碼。 這里有一條技術人員可以創建工具，插件甚至是使用機器學習的操作系統。 技術人員與規模另一端的理論家形成對比。理論家可以： 1. 內化現有方法。 2. 建議對現有方法的擴展。 3. 設計全新的方法。 理論家可能能夠在抽象中證明方法的能力，但可能不夠熟練，無法將方法轉換為最好的原型演示系統之外的代碼。 你可以及時學習盡可能少的數學或數學。專注于自己的優勢，誠實地對待自己的局限。 ## 數學是關鍵，后來 如果你必須及時學習線性代數，為什么不在前面更全面地學習它并從一開始就深入理解機器學習方法？ 這當然是一種選擇，也許是最有效的選擇，這就是為什么它是大學教學的道路。它不是唯一可用的選項。 就像從邏輯和抽象概念開始學習編程一樣，內化機器學習理論可能不是最有效的入門方式。 在這篇文章中，您了解到技術人員可以使用與理論師不同的路徑。 您了解到技術人員可以及時學習機器學習算法的數學表示和描述。您還了解到，技術人員的危險區域是過度自信以及將系統投入生產的風險，這些風險很難理解。 這可能是一個有爭議的帖子，發表評論并讓我知道你的想法。