# 你這樣做是錯的。為什么機器學習不必如此困難 > 原文： [https://machinelearningmastery.com/youre-wrong-machine-learning-not-hard/](https://machinelearningmastery.com/youre-wrong-machine-learning-not-hard/) 使用自下而上的方法教授數學，物理學甚至計算機科學等技術主題。 這種方法涉及以合理的方式在研究領域中列出主題，其復雜性和能力自然發展。 問題是，人類不是執行學習計劃的機器人。我們需要動力，興奮，最重要的是，需要將主題與實際結果聯系起來。 我們每天使用的有用技巧，如閱讀，駕駛和編程，都不是通過這種方式學習的，實際上是使用倒置自上而下的方法學習的。這種自上而下的方法可以直接用于學習技術科目，例如機器學習，這可以使你的工作效率提高很多，并且很有趣。 在這篇文章中，您將發現自上而下和自下而上學習技術材料的方法之間的具體差異，以及為什么這是從業者應該用來學習機器學習甚至相關數學的方法。 閱讀這篇文章后，你會知道： * 自下而上的方法用于大學教授技術科目及其問題。 * 人們如何以自上而下的方式學習閱讀，駕駛和編程，以及自上而下的方法如何運作。 * 機器學習甚至數學的框架使用自上而下的學習方法以及如何開始作為從業者快速進步。 讓我們開始吧。  你這樣做是錯的。為什么機器學習不必如此困難 [popofatticus](https://www.flickr.com/photos/barretthall/2482752319/) 的照片，保留一些權利。 ## 概觀 這是一篇重要的博文，因為我認為它可以幫助你擺脫自下而上的大學式學習機器學習的方式。 這篇文章分為七個部分;他們是： 1. 自下而上學習 2. 學習閱讀 3. 學開車 4. 學習編碼 5. 自上而下的學習 6. 學習機器學習 7. 學習數學 ## 自下而上學習 參加一個研究領域，如數學。 有一種合理的方式可以在數學中列出相互建立的主題，并通過技能，能力和理解的自然進展來引導。 問題是，這種合乎邏輯的進展可能只對那些已經在另一方并且能夠直觀了解主題之間關系的人有意義。 大多數學校都是圍繞這種自下而上的自然進步而建立的。這種方式教授了許多技術和科學研究領域。 回想一下高中或本科學習以及您可能已經完成的基本領域：例如： * 數學，如上所述。 * 生物學。 * 化學。 * 物理。 * 計算機科學。 考慮材料是如何布局的，逐周，逐學期，逐年。自下而上，合乎邏輯的進展。 問題是，通過材料的邏輯進展可能不是學習材料以提高生產率的最佳方式。 我們不是執行學習計劃的機器人。我們是情緒化的人類，需要動力，興趣，關注，鼓勵和結果。 您可以自下而上地學習技術科目，并且一小部分人確實喜歡這種方式，但這不是唯一的方法。 現在，如果您已完成技術主題，請回想一下您如何實際學習它。我打賭它不是自下而上的。 ## 學習閱讀 回想起;你是怎么學習閱讀的？ 我兒子開始讀書了。沒有考慮太多，這里是他使用的一般技術（真的是學校和我們作為父母）： * 從閱讀開始，以產生興趣和顯示好處。 * 獲取字母表并發出正確的聲音。 * 記住最頻繁的單詞，他們的聲音，以及如何拼寫它們。 * 學習“拼出單詞”啟發式來處理未知單詞。 * 在監督下閱讀書籍。 * 無需監督即可閱讀書籍。 重要的是，他不斷地知道為什么閱讀很重要，與他想要做的非常有形的事情有關，例如： * 閱讀電視節目的字幕。 * 閱讀他喜歡的主題的故事，如星球大戰。 * 我們外出時閱讀標志和菜單。 * 所以...... 同樣重要的是，他得到他可以跟蹤的結果，并且他可以看到改進。 * 更大的詞匯量。 * 更流暢的閱讀風格 * 書籍越來越復雜。 以下是他沒有學會閱讀的內容： * 詞類型的定義（動詞，名詞，副詞等） * 語法規則。 * 標點規則。 * 人類語言理論。 ## 學開車 你開車嗎？ 如果你不這樣做很酷，但大多數成年人都是出于必要。社會和城市設計圍繞個人移動性而建。 你是怎么學會開車的？ 我記得有些書面測試，也許還有計算機上的測試。雖然我很有可能，但我沒有為他們學習的記憶。這就是我記得的。 我記得雇用一名駕駛教練并開始上課。每節課都很實用，在車上練習我需要掌握的技能，駕駛車輛進行交通。 這是我沒有和我的駕駛教練一起學習或討論的內容： * 汽車的歷史。 * 內燃機理論。 * 汽車常見的機械故障。 * 汽車的電氣系統。 * 交通流量理論。 直到今天，我還是設法在沒有任何關于這些主題的知識的情況下安全駕駛。 事實上，我從未期望學習這些主題。我沒有必要或興趣，他們不會幫助我實現我想要和需要的東西，這是安全和輕松的個人移動性。 如果汽車壞了，我會打電話給專家。 ## 學習編碼 我開始編程時不知道編碼或軟件工程的含義。 在家里，我搞亂了 Basic 中的命令。我在 Excel 中亂用命令。我修改了電腦游戲。等等。好玩。 當我開始學習編程和軟件工程時，它在大學里，而且是自下而上的。 我們開始： * 語言理論 * 數據類型 * 控制流程結構 * 數據結構 * 等等 當我們開始編寫代碼時，它就在命令行上，并且存在編譯器問題，路徑問題以及與實際學習編程無關的一系列問題。 _**我討厭編程。**_ 快進幾年。不知何故，我最終開始在一些受用戶重視的復雜系統上擔任專業軟件工程師。我真的很擅長，我喜歡它。 最后，我做了一個課程，展示了如何創建圖形用戶界面。另一個展示了如何使用套接字編程讓計算機相互通信。另一個是關于如何使用線程同時運行多個事物。 我把枯燥的東西與我真正喜歡的東西聯系起來：制作可以解決問題的軟件，其他人可以使用。我把它連接到重要的東西上。它不再是抽象和深奧的。 至少對我來說，像我這樣的許多開發人員，他們都教錯了。他們真的做到了。而且浪費了多年的時間，精力和結果/成果，像我這樣熱情，無時間的學生可以投入他們真正熱愛的事情。 ## 自上而下的學習 自下而上的方法不僅僅是教授技術主題的常用方法;它看起來是唯一的方式。 至少在你考慮如何實際學習之前。 大學課程的設計者，他們學科領域的大師，正在努力提供幫助。他們正在鋪設所有東西，通過他們認為可以幫助您獲得所需技能和能力的材料（希望）為您提供合理的進展。 正如我所提到的，它可以為一些人工作。 它對我不起作用，我希望它對你不起作用。事實上，我見過的很少有程序員通過計算機科學課程非常擅長他們的工藝，或者如果他們這樣做，他們在家里學習，單獨學習，攻擊側面項目。 另一種選擇是自上而下的方法。 **翻轉傳統方法。** 不要從定義和理論開始。相反，首先將主題與您想要的結果相關聯，然后展示如何立即獲得結果。 制定一個專注于實現獲得結果的過程的程序，根據需要深入到某些領域，但總是在他們需要的結果的上下文中。 ### 那不一樣 這不是傳統的道路。 如果采取這種方式，請注意不要使用傳統的思維方式或比較方法。 責任在你身上。沒有系統可以歸咎于。你停下來時才會失敗。 * **迭代**。通過更深入的理解，多次重新討論主題。 * **不完美**。結果可能在開始時很差，但隨著實踐的改善。 * **需要發現**。學習器必須對持續學習和發現持開放態度。 * **需要所有權**。學習器負責改進。 * **需要好奇心**。學習器必須注意他們感興趣的內容并遵循它。 ### 有危險 說真的，我聽說過“_ 專家 _”多次說這句話，說： > 在使用此技術之前，您必須首先了解該理論，否則您無法正確使用它。 我同意結果在開始時是不完美的，但改進甚至專業知識不僅要來自理論和基礎。 如果您認為初學者程序員不應該將更改推向生產并進行部署，那么您肯定必須相信初學者機器學習從業者會受到同樣的限制。 必須證明技能。 必須贏得信任。 無論如何獲得技能，都是如此。 ### 你是技術員 真！？ 這是另一個“_ 批評 _”我已經看到了這種學習方法。 究竟。我們希望成為技術人員，在實踐中使用工具來幫助人而不是研究人員。 您不需要涵蓋所有相同的理由，因為您有不同的學習目標。雖然你有一個可以整合抽象知識的環境，但你可以稍后回過頭來學習任何你喜歡的東西。 工業界的開發人員不是計算機科學家;他們是工程師。他們是該工藝的驕傲技術人員。 ### 高效，有效，有趣的學習方式 這些好處遠遠超過了學習這種方式的挑戰： * 你直接去想要的東西并開始練習。 * 你有一個連接更深層知識甚至理論的背景。 * 您可以根據您在主題中的目標有效地篩選和過濾主題。 它更快。 這更有趣。 而且，我打賭它會讓你變得更好。 你怎么會更好？ 因為主題在情感上與你聯系在一起。您已將其與對您重要的結果或結果聯系起來。你被投資了。你有明顯的能力。我們都喜歡我們擅長的東西（即使我們對我們有多好有一點色盲），這會激發動力，熱情和激情。 一個熱情的學習器將直接吹過原教旨主義者。 ## 學習機器學習 那么，你是如何找到機器學習的主題的呢？ 說真的，請在下面的評論中告訴我你的方法。 * 你正在自學大學課程嗎？ * 你在這樣的課程上模擬你的學習嗎？ 或者更糟： 您是否遵循自上而下的方式，但充滿了內疚，數學嫉妒和不安全感？ 你不是一個人;我每天都會在這個網站上幫助初學者看到這一點。 為了連接點，我強烈建議您使用自上而下的方法學習機器學習。 * 不要從前體數學開始。 * 不要從機器學習理論開始。 * 不要從頭編寫每個算法。 一旦你有了這種抽象知識的聯系，這一切都可以在以后進一步完善和加深你的理解。 1. 首先，學習如何通過使用免費且易于使用的開源工具的固定框架來解決非常簡單的預測建模問題。 2. 在許多小項目上練習并慢慢增加其復雜性。 3. 通過建立公共投資組合來展示您的工作。 我已多次寫過這種方法;請參閱帖子末尾的“_ 進一步閱讀 _”部分，了解如何開始使用自上而下的機器學習方法。 在大學中根深蒂固的“專家”會說這很危險。別理他們。 世界級的從業者會告訴你，這是他們學習和繼續學習的方式。為他們建模。 記得： * 你通過練習閱讀而不是通過學習語言理論來學習閱讀。 * 你學會了駕駛練習，而不是研究內燃機。 * 你通過練習編碼而不是通過研究可計算性理論來學習編碼。 您可以通過練習預測建模來學習機器學習，而不是通過學習數學和理論。 這不僅是我學習和繼續練習機器學習的方式，而且它已經幫助了成千上萬的學生（以及這個博客的數百萬讀者）。 ## 學習數學 不要止步不前。 當你想要或需要在機器學習的數學支柱上拉開帷幕時，如線性代數，微積分，統計，概率等等，可能會到來。 您可以使用完全相同的自上而下方法。 選擇一個對您而言重要的目標或結果，并將其用作鏡頭，過濾或篩選主題，以學習和學習獲得結果所需的深度。 例如，假設您選擇線性代數。 目標可能是修改 SVD 或 PCA。這些是用于數據投影，數據縮減和特征選擇類型任務的機器學習的方法。 自上而下的方法可能是： 1. 在高級庫中實現該方法，例如 scikit-learn 并獲得結果。 2. 在較低級別的庫（如 NumPy / SciPy）中實現該方法并重現結果。 3. 在 NumPy 或 Octave 中使用矩陣和矩陣運算直接實現該方法。 4. 研究和探索所涉及的矩陣算術運算。 5. 研究和探索所涉及的矩陣分解操作。 6. 用于近似矩陣的特征分解的研究方法。 7. 等等… 目標提供了背景，您可以讓您的好奇心定義學習的深度。 以這種方式繪制，學習數學與編寫編程，機器學習或其他技術主題中的任何其他主題沒有什么不同。 它非常高效，而且非常有趣！ ## 進一步閱讀 如果您希望深入了解，本節將提供有關該主題的更多資源。 * [我如何開始？](https://machinelearningmastery.com/start-here/#getstarted) * [程序員機器學習](https://machinelearningmastery.com/machine-learning-for-programmers/) * [機器學習掌握方法](https://machinelearningmastery.com/machine-learning-mastery-method/) ## 摘要 在這篇文章中，您發現了自上而下和自下而上學習技術材料的方法之間的具體區別，以及為什么這是從業者應該和確實用來學習機器學習甚至相關數學的方法。 具體來說，你學到了： * 自下而上的方法用于大學教授技術科目及其問題。 * 人們如何以自上而下的方式學習閱讀，駕駛和編程，以及自上而下的方法如何運作。 * 機器學習甚至數學的框架使用自上而下的學習方法以及如何開始作為從業者快速進步。 你有任何問題嗎？ 在下面的評論中提出您的問題，我會盡力回答。