001-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考

1 技术小白的学习方法论

从方法论的角度讲，从笛卡尔时代开始， 人们知识的来源有两个。

1.) 第一个是源于生活的经验或上帝的启示；

2.) 第二个是人们通过理性对第一种知识进行考量， 进而获得真知。

后一种方式，就是通过理性的推理来去伪存真。 这里的「理性」又分成两类: 第 一类是指实践，即去动手做各种各样的实验或试验， 看看猜想、概念、理论与实际情 况的符合程度。 这有点像中学物理化学中的实验课来验证理论课上的知识。 另一类 「理性」，显得更高大尚一点， 就是使用符合逻辑的数学方法， 代替类似物理实验的 方法来获得或验证知识。

上面这段话是通常的技术书籍中的叙事方式，说半文半白，没懂吧，也觉得看懂了，懂了吧，好像没啥印象。所以，我想用另一种方式来解释机器学习以及相关的计算机的知识。我们开始吧。

任何一门学问或技术，通过上面的方式都会逐渐积累出一系列的概念， 并进而建 立起整个知识体系。 当我们在学习这个体系时， 如果能准确地理解其中的概念、 概 念之间的联系和概念产生的思维过程， 那么这门知识就自然掌握好了。 特别是概念产 生的思维过程， 它对于知识的理解和举一反三有着极大的帮助作用。

通常，一个概念在最初产生的一瞬间， 大多来自于简单且朴素的思考。 英文中 称之「Common Sense」。 它可能源于生活的经验和对生活经验的丰富想象。 而后， 为了去伪存真和逻辑严谨的原因， 学者们会使用上面第二类理性中「看起来高深的数 理化符号来做逻辑推导或证明」， 防止朴素思考可能带来的思维偏差。

但是， 作为初学习者而言， 这些知识概念通常已经是被证明正确的。 我们现在 的目的是学会它。 而逻辑符号及数理符号的抽象性， 会给学习带来障碍和困难。 因 此，我认为，既然概念是由朴素思想产生出来的。 那么，在学习的过程中，就应该先 去学习那些概念背后的朴素的思想。 试想一下，如果你是一个概念的发明人， 你会直 接上来就先想一个包括二阶导数的微积分公式吗？ 而且，了解了概念或定义其背后的 思维或思考过程会帮助你理解这些概念的数理化定义。

然后， 当你掌握了一门技术的诸多概