今天上午，小编刷知乎的时候看到一个话题”有没有必要把机器学习算法自己实现一遍？“。出于好奇，看了好多答主的回答，发现赞成有必要的和没必要的都大有人在。
赞成有必要实现的主要有以下几点理由：
-
加深对算法的理解。
-
锻炼自己的编程能力。
-
公司面试的时候是一个加分项。
赞成没必要实现的主要有以下几点理由：
-
自己实现的计算效率根本没现成软件包好。
-
机器学习理论更重要，懂了理论能调包调参就可以了。
看了别人的回答，下面小编结合自己的学习过程来谈谈我的看法。纯属个人观点，不喜勿喷。
我的看法是对于一些经典的并且在我们编程能力范围内的算法，还是可以实现一边的，比如logistic regression、SVM、K-means等。但机器学习算法好多，有些是超出了我们的编程能力的，对于这些搞懂原理并能熟练使用现成软件包就可以了。
下面给出小编的一些建议。
一、搞懂原理比实现算法重要。
机器学习的本质是数学和统计学的结合，搞懂这些才是王道。我们知道一个模型可能有好多参数，不同参数的设置带来的模型效果可能截然不同，我们只有弄懂了理论原理，才能更好的指导我们选择合适的参数。如果你只是实现了算法，却没有让算法发挥最大的效果，那又有什么意义呢？
二、熟悉掌握一个机器学习软件库。
成熟的软件库一般包含了绝大多数的机器学习算法，并且在实现上使用了许多的数值计算优化技巧。为了实现自己的需求，我们不必重头实现算法，即使你实现了 ，你的计算效率也一定没有软件库的高，所以我们要熟练使用一个软件库。
在机器学习工程师的招聘要求中，熟练掌握一些机器学习库如Sklearn是一项必备的技能。
好了，以上就是小编的看法。
