脑壳疼！机器学习挑天赋吗？难道我不适合python机器学习吗？

标签：编写程序   加油！   一个人   马太效应   进一步   实践   adc   water   样本   

于是李烨再次分享了她和这位同学的问答互动。这位同学问的问题，相信很多读者也会有同样的疑惑。

非常难得的机会，大家好好把握。趁别人出去玩，闷声进步。

分割线

学习的困惑

【天明同学首先发问】：

老师，过了这么久，今天我才回想起您在课程里强调过的：高质量的数据对机器学习模型训练与进化的重要性。

还是自己当初没有领悟和体会到啊，要是天赋高的或者当时看得清楚的，应该直接就能深有体会了。

很多事都是，当别人说第一遍的时候，无法体会话语的真正含义，自己太后知后觉了。

这其实是一个非常常见的问题，可以说这是一个每个人都会遇到的问题。往大了说这是教育学的终极问题：“老师如何教导 & 学生如何学习”的问题。

现实中，如果一件事真的能够一听就会，说明你早就经历过、体会过，而且自己总结过。别人的讲述、指导，是对你旧有认识的更深刻和更精辟的提炼。

经历的必要性

【天明又问】：

没有天赋极高，一点就透的那种人吗？

确实存在“一点就透”的人。不过要注意，极少有人是在任何领域都一点就透的，一般也就是在这个人特别擅长的某个特定领域如此而已。

其实，“一点就透”的人的长处在于善于观察，善于推演，也就是常说的举一反三。这使得他们在看似和别人相同的经历中，能够获得许多他人因无视而放弃了的学习资料。

比如，很多表演艺术家在年幼的时候就喜欢观察人、模仿人。

我曾经看过其中一位的报道，讲他在小时候每天下学后就喜欢站在路边观察一个个行人，回到家以后就对着镜子模仿刚才看到的人的神态表情动作，痴迷到忘了吃饭。

这在当时的他纯属爱好，后来正好有机会做了演员，于是当年的积累使他迅速脱颖而出，成为主演。

再比如，从聚居的大家族中走出来的人，往往很心思缜密，思虑周全而且通晓人情世故。

毕竟，同样的生命时间里，他们实际暴露在和他人相处上的时间要比小家庭中的人多得多——虽然身处这种环境未必出自他们自愿，但终究在客观上起到了高浓度训练的效果。

刻意练习提升学习能力

【天明再问】：

老师，这种能力能提升吗？怎么提升？是思考的力量，还是什么？
来一张美女图片，洗洗脑

学习能力当然是可以提升的，方法也是现成的：刻意训练！

《荀子?儒效篇》中讲“不闻不若闻之，闻之不若见之；见之不若知之，知之不若行之；学至于行而止矣”。

后来有人把这句话翻译成了英语：“Tell me and I forget. Show me and I remember. Involve me and I understand.”

想来这也是所有上过学的人的共同经验：在课堂上听讲，当时觉得懂了，过后就忘了；老师把操作过程演示一遍，能记住一个前后始终了，但是自己还是不会做；自己动手去练习，去实践，才能真正掌握。

无论是小学学的拼音、汉字、加减乘除，还是中学学的物理现象、化学反应，还是到了实用阶段的编写程序、训练模型……皆莫外于此。

比如：《机器学习极简入门课》。

只是阅读，恐怕什么也学不会。把里面的各种函数，抄10遍、100遍，总能记住。但是要理解它们，就要去推演过程，自己动手进行每一步的计算。

要应用，则必须做项目，自己去把现实事物转化为数值，带入到特定模型中去运算，最后得出预测结果再反向映射回现实当中，观察这一结果所产生的影响。

课程（或者书籍、资料等）可以向你展示知识，但是记忆、理解、掌握的过程，课程给不了你。只有自己逼着自己去做动手动脑。否则，知识到不了你的脑子里。

在没有客观压力的情况下，自主的去做“额外（原本不必）”的训练，这就是刻意练习！

无法跨越的“弯路”

【天明继续问】：

如果一个人天赋足够聪慧，是不是能够一下子理解老师和前辈们讲的经验教训，就不用走弯路了？

这里说的天赋应该主要是指智商和能力倾向吧。那么我们且来看一个比喻：

天赋相当于计算机的算力；
本人的经历相当于样本数据；
思维方式相当于算法；
理解并掌握一件事物，则相当于训练出模型来的过程。

如果空有算力，既没有数据也没有算法，是训不出模型来的。

而前辈们的告诫，只是别人根据他们自己的样本提取的标签（label），最多能够给你标注一下训练数据而已。

如果自己没有经历，就好像根本没有训练样本，就算别人愿意给你打标签（labeling），可是打到什么东西上去呢？

比如，生活中遇到一些年轻人，985高材生，脑子很聪明，讲技术一点就透。但议论起养育子女的种种无奈和心酸，对他们就是鸡同鸭讲。

你告诉他：“因为需要老人帮忙照顾小朋友，必然要对老人妥协，不是原则问题就不要计较了”。他觉得：“我让老人帮忙也绝对不妥协一星半点，错就错，对就对，任何事情都得有是非！”

也难怪，他们正在人生精力体力最充沛的时期，有无限的希望，而毫无牵挂。怎么可能知道什么是“无奈”。既然连“无奈”都没有，又要“妥协”何用？

也许多年以后他们会明白“妥协”一词的含义和作用，但是至少现在，我提供了这个标签，他们没不知道往哪儿打，因为根本没有对应的经历。

反过来，即使算力一般，但是只要数据算法齐备，花费时间来刻意训练，也可以得出模型。

虽然纯粹的“训练过程”可能比算力高那些位费时，但如果在你开始训练的时候他们还根本没有数据，则很可能你会比他们先得出模型。

天赋资源和努力

【天明同学最后问】：

是不是学习方法无所谓好坏，找到最适合自己的就好？

比如做题，有人做一道典型题，就所有类型题全会了；甚至有的人不用做题，老师讲一遍，他听一遍就全会了；有的人却要进行题海战术……

虽然大家付出的成本各自不同，说到底成功还是殊途同对吗？

你说的“殊途同归”是说达到同样大小的成就？换句话讲，“只要自己主动努力就能赶上先天条件好或者后天资源丰富的人”？

如果那样的话，只能说：不能保证！

天资聪明的人，就是更容易成功。有资源的人也更容易成功。

算力的大小对模型训练肯定有影响。更何况也不能完全把智商等天赋类比成算力，智商高掌握方法（算法）也更快。

如果先天资质优越，同样资源同样努力程度下，一般都会学得更好。而学得好本身还能刺激进一步的motivation，往往是学得越好越爱学，然后就更好——马太效应。

以此类推，虽然任何时代都有自我放弃自我浪费的天才，但就群体而言，天资出众的那一群，获得成就的机率要远大于普通人。这是客观现实。

不仅先天条件会有差别，每个人拥有的后天资源也各不相同。同样的天资，资源不同也会对学习效果产生影响。

我们前面强调刻意练习，其实还有一个和它相对的概念——浸入式自然习得。两者截然不同。刻意练习比自然习得苦、累，且事倍功半，但所需要的资源远远小于后者。

普通人的客观环境里，绝大多数技能的习得条件，仅能够满足刻意训练所需。而那些拥有资源（最直接的资源就是权利和财富）的人，却可以调动大量资源来堆积学习环境。

最常见的例子就是外语学习。

普通国人学外语是在学校听课、读课文、背单词、背语法、做卷子。有钱的话可以请外教直接对话，可以上国际学校每天全英文授课。

两种方式，就群体而言，学习效果能一样吗？

这也是客观现实。

修仙还讲财侣法地呢，努力的有效性是有限的。

每个人的起点，自己都改变不了——无论先天的智力、体力，还是后天的家庭氛围、早年教育环境，都是已经既定的。

而努力程度，是唯一可以凭借自身主观意志改变的因素，没得选！

**欢迎加入python学习交流q群250933691，分享我精心准备的Python学习资料，机器学习，人工智能，数据爬虫，数据分析，0基础到进阶！希望你们在学习Python道路上少走弯路！加油！***

脑壳疼！机器学习挑天赋吗？难道我不适合python机器学习吗？

标签：编写程序   加油！   一个人   马太效应   进一步   实践   adc   water   样本   

原文地址：http://blog.51cto.com/14042734/2326176