如何更好的分享機器學習

一些關於分享的思考

經過以前寫的幾篇機器學習相關的blog，能看到偏簡單的形式更容易被你們接受，而一些比較有難度的項目，分享的效果就很通常，緣由主要有如下幾個方面：

1. 比較難的項目須要對項目背景、數據形式、競賽信息等有必定的瞭解，否則容易一頭霧水，連是要幹嗎都看不懂；
2. 我的的文筆能力有限，包括blog的總體結構也不夠合理，沒有可以言簡意賅的講明白；
3. 對於機器學習的理解不夠，所以寫成blog後就又打了一個折扣，一來一回你們看不懂也是正常的；

目前在考慮如何將我我的在機器學習的學習過程、競賽項目等整理成一個系列，即可以幫助本身加深理解，若是還能對小夥伴們起到一絲絲幫助，那就再好不過了；

不過這個系列的分享形式尚未考慮好，既要可以讓你們有收穫，又能在展現我我的的一些優點的狀況下，將我也還沒很懂的部分說給你們聽，避免誤導你們，這仍是有點難度的啊。。。。

不過有一點我以爲很好，以前在一篇文章看到的，說是一些國外的kaggle大佬們跟別人討論分享時有一個習慣很好，就是他不只僅會分享他最後採用的、效果好的數據處理方式，同時他也會分享以前他嘗試的一些效果差強人意的，這種習慣好就好在他分享了本身的一整個思考的過程，而不只僅是一個結果，這一點在作特徵工程時是很是重要的，咱們看到一個好的機器學習模型，也很容易copy復現它的效果，可是隨便換一個問題又感受本身作不到，即使是相似的問題，這就是由於模型是結果，可是如何到達這個結果，那個過程更重要，裏面包含了不少思考、嘗試，沒有這個過程就成了知其然不知其因此然，我以爲這一點是能夠學習的；

若是有人能看到這篇隨筆，但願能給我留言，平時寫給別人看的東西也很少，因此對這方面也有些困惑，可是又很但願可以分享一些本身的東西跟你們討論，一塊兒進步，拜謝；

寫於 2020-01-21 23:47，深圳；