如何更好的分享机器学习

一些关于分享的思考

经过以前写的几篇机器学习相关的blog，能看到偏简单的形式更容易被你们接受，而一些比较有难度的项目，分享的效果就很通常，缘由主要有如下几个方面：

1. 比较难的项目须要对项目背景、数据形式、竞赛信息等有必定的了解，否则容易一头雾水，连是要干吗都看不懂；
2. 我的的文笔能力有限，包括blog的总体结构也不够合理，没有可以言简意赅的讲明白；
3. 对于机器学习的理解不够，所以写成blog后就又打了一个折扣，一来一回你们看不懂也是正常的；

目前在考虑如何将我我的在机器学习的学习过程、竞赛项目等整理成一个系列，即可以帮助本身加深理解，若是还能对小伙伴们起到一丝丝帮助，那就再好不过了；

不过这个系列的分享形式尚未考虑好，既要可以让你们有收获，又能在展现我我的的一些优点的状况下，将我也还没很懂的部分说给你们听，避免误导你们，这仍是有点难度的啊。。。。

不过有一点我以为很好，以前在一篇文章看到的，说是一些国外的kaggle大佬们跟别人讨论分享时有一个习惯很好，就是他不只仅会分享他最后采用的、效果好的数据处理方式，同时他也会分享以前他尝试的一些效果差强人意的，这种习惯好就好在他分享了本身的一整个思考的过程，而不只仅是一个结果，这一点在作特征工程时是很是重要的，咱们看到一个好的机器学习模型，也很容易copy复现它的效果，可是随便换一个问题又感受本身作不到，即使是相似的问题，这就是由于模型是结果，可是如何到达这个结果，那个过程更重要，里面包含了不少思考、尝试，没有这个过程就成了知其然不知其因此然，我以为这一点是能够学习的；

若是有人能看到这篇随笔，但愿能给我留言，平时写给别人看的东西也很少，因此对这方面也有些困惑，可是又很但愿可以分享一些本身的东西跟你们讨论，一块儿进步，拜谢；

写于 2020-01-21 23:47，深圳；