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:機器學習

  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;學習

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。。。。blog

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;數據

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;項目

寫於 2020-01-21 23:47,深圳;分享

相關文章
相關標籤/搜索