機器學習是一門多領域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。

很多同學在學習機器學習的時候，理論粗略看一遍之后就直接上手編程了，非常值得表揚。但是他不是真正的上 手寫算法，而是去直接調用 sklearn 這樣的 package，這就不大妥當了。筆者不是說調包不好，在實際工作和研究 中，封裝好的簡單易用的 package 給我們的工作帶來了莫大的便利，大大提高了我們機器學習模型和算法的實現(xiàn) 效率。但這僅限于使用過程中。

筆者相信很多有企圖心的同學肯定不滿足于僅僅去使用這些 package 而不知模型和算法的細節(jié)。所以，如果你 是一名機器學習算法的學習者，在學習過程中最好不要一上來就使用這些封裝好的包，而是根據自己對算法的理 解，在手推過模型和算法的數學公式后，僅依靠 numpy 和 pandas 等基礎包的情況下手寫機器學習算法。如此一 遍過程之后，再去學習如何調用 sklearn 等機器學習庫，相信各位更能體會到調包的便利和樂趣。之后再去找數據 實戰(zhàn)和打比賽做項目，相信你一定會成為一名優(yōu)秀的機器學習算法工程師。