注：以下内容为个人感受 以及 自已为自己制定的学习方案
本人15年接触机器学习，花了一年时间把常用的机器学习算法扫盲了一遍，记得实现工具用的是SAS 及其案例 及相关书籍；后来很快忘记了，因为工作上用不到，16年末及17年初又“翻炒”了一次，至今又忘光得差不多了。
这几年学习了不少东西，如oracle、linux、sas ，但都是“今天的学习为了明天的荒废” ，根本原因是没有学以致用，简单点说就是 工作中用不上；所以要学好机器学习算法，关键是工作中用得上。
1.信念理念
- 机器学习算法也好，什么大神算法也好，它们都是“工具”，都是为了解决实际问题而产生的
- 如果学会了只是为了炫耀，那就不要学了，纯粹浪费学习；如果学会了不能“落地”解决实际问题，那也是等于没学
2.学习与记忆
- 理解各机器学习算法原理与逻辑，原理这块不用深究，逻辑简化后进行记忆
- 理清各机器学习算法是为了解决哪类问题、那种场景
- 弄清各机器学习算法的子算法、延伸算法的特点，主要弄清是为了解决那些特殊场景的问题
- 理清机器学习算法整体分类构架，有助于整体理解和记忆
- 记忆方法：功能分类、解决哪类问题、典型案例或工作上的案例
- python代码实现上，尚且只需弄清各机品学习算法对应的python库，不用细化到具体代码
一句话，原理不深究，逻辑简要记忆，牢记解决哪类问题 及 典型案例
3.应用
- 理清机器学习算法整体构架就是为了将实际问题“对号入座”，如炒菜用锅、翻地用犁
- 也许工作上不一定用得上机器学习算法，可能就是简单的OLAP，但有这类问题时就应想起是否能用它们来解决问题
4.易犯病
我初学机器学习算法很容易犯的毛病：为了分析而分析、为了装逼而硬用机器学习，后来做库存预测时发现自己用机器学习搞出来的东西还不如运营经理用笔头加减乘除得出来的数字，想想都觉得自己可笑.