@babyformula 等于说数学专业转 ML 最大的短板还是在“代码”方面？不过这方面也不会太短吧？毕竟数学专业的日常也会用 Matlab 或者 python 的常用库吧。致于数据库什么的，只要会用 python 或 Matlab 从数据库取数据就可以了吧。毕竟计算机专业的最后工作也不是所有事情都亲力亲为，而是专精某个细分领域。模型运行效率更加不是 ML 专业的人考虑的事情了吧。关注效率的话，至少要用 c 或 c++重写模型吧。
不知道以上认知是否靠谱？如有偏颇还望指正。

@heavenToothpaste
谢谢你的回复。刚看了卷积神经网络的一个小视频。不知道理解的对不对：卷积层实际上就是一个“过滤器” ，即“当某个维度特征是其他维度特征的线性组合的时候，”卷积层就把这个维度“优化掉”。这样就大大减轻了后面的神经网络层处理这些“冗余”维度数据的“压力”。达到同样的识别准确率只需要比较少的神经网络层。或者是需要的训练集更少。
-------------------不知道这样的理解是否恰当？

@mcoo1997 请问你是翻到第几页才看到的我的帖子？

@Livid 发链接有用么？

@silkriver 我是在一个视频中看别人配置遇到这样的问题。

@silkriver 谢谢回复。我的问题主要是关于 anaconda navigator 的。tensorflow 在这里只是一个例子。tensorflow 官方改了。这很好。但是“anaconda 在搜索结果中还显示一个不能用的包。”的问题是否还存在呢？

有大佬知道吗？

@kilasuelika 谢谢回复。
我在维基百科上看到“格兰杰本人在其 2003 年获奖演说中强调了其引用的局限性，以及“很多荒谬论文的出现”（ Of course, many ridiculous papers appeared ）。格兰杰因果关系检验的结论只是一种统计估计，不是真正意义上的因果关系，不能作为肯定或否定因果关系的根据。同时，格兰杰因果关系检验也有一些不足之处，如并未考虑干扰因素的影响，也未考虑时间序列间非线性的相互关系。一些基于格兰杰因果关系检验的方法一定程度上解决了这些问题”

是否可以理解为。一个指标是另一个数据的领先指标。但这种领先可能是相关性产生的，但不是因果关系造成的？

@kaiwen0110 但是操作系统还是国行 IOS 。所以有点拿不准。

@Donahue 不知道决策树对输入数据维度有什么限制么？比如不止上面的九维数据。100 维呢？每一维度又有 10000 个数据呢？决策树可以“消化么”

@jmc891205 谢谢指教。纠正了我一个思维误区。