学习机器学习一定要会推公式吗

[ligiggy]

不推公式可以简单上手吗，比如可以把库拿过来就用？

然后，有无这类的上手书推荐。

[MrZhaoyx]

推荐李航老师的《统计学习方法》

[xiang578]

b 站上也有一个系列视频，手把手教你推公式：白板机器学习。

[ligiggy]

@xiang578 手把手也不喜欢推公式，过了这个年纪了。

[tfdetang]

机器学习从业者来回答这个问题: 一般只有要准备面试的时候才会去推公式
当然我比较水不能代表所有从业者。 其实大部分时候看论文什么的大概能看出是怎么回事，也能看懂就行了，关键是思路，很少真的去推公式

[dabaisuv]

谷歌的机器学习：
aHR0cHM6Ly9kZXZlbG9wZXJzLmdvb2dsZS5jbi9tYWNoaW5lLWxlYXJuaW5nL2NyYXNoLWNvdXJzZS9tbC1pbnRybw==

[ipwx]

分情况。

* 如果是用树算法处理工业数据，一般不需要推公式，调参就行。
* 如果用神经网络处理图片数据，一部分工作者不需要推公式，用 PyTorch 搞就行。
* 如果用神经网络处理自然语言，推公式的比重会增大。
* 如果处理的是无监督学习，或者顶会不怎么覆盖的新领域上做深度学习，那就得会大量原理性的东西，做各种 regularization （ loss / 结构），不会公式基本寸步难行。

[ligiggy]

@ipwx 为啥每次问问题，基本上大佬都能知道……太强了。

[ligiggy]

@ipwx 暂时我还没有应用场景，仅限于去了解一下玩玩，还没想当成自己的 工作技能。

[ipwx]

@ligiggy 其实现在 DL 比较成熟的也就 CV/NLP 。

大量工业数据没那么规整的，各种不同量纲、不同单位、不同性质的 heterogeneous data ，一般用树算法更舒服。经典的比如 RandomForest ，新锐的比如 GBDT 。除了这些树算法，还有就是 Bagging / Boosting 算法的思想得了解一下。

[ipwx]

@ligiggy 我上面举的这四个例子都不怎么需要推公式，工业数据上又比较万金油，投入产出比 DL 高。当然它们基本没法处理图片 /NLP ，CV/NLP 还是神经网络得天下。

[ligiggy]

@ipwx OK ，好的，有没有书推荐，我看了下楼上大佬推荐的 pytorch 教程，感觉挺不错的。

[ipwx]

@ligiggy ummm 很遗憾我已经脱离教材很久了。。。（今年 phd 毕业了

[xz410236056]

“比如可以把库拿过来就用”
当然可以，但是你不会相关的数据你怎么设计自己的神经网络呢？你只能用别人封装好的网络啊。

https://mofanpy.com/learning-steps/
推荐个学习网站。

[rpman]

要搭神经网络总得会推公式，不然搭出来一坨

[pkupyx]

一定要。未必背下来，但是至少知道分几块步骤，并且能看懂。