如何更好的分享机器学习

一些关于分享的思考

通过之前写的几篇机器学习相关的blog，能看到偏简单的形式更容易被大家接受，而一些比较有难度的项目，分享的效果就很一般，原因主要有以下几个方面：

1. 比较难的项目需要对项目背景、数据形式、竞赛信息等有一定的了解，不然容易一头雾水，连是要干嘛都看不懂；
2. 个人的文笔能力有限，包括blog的整体结构也不够合理，没有能够言简意赅的讲明白；
3. 对于机器学习的理解不够，因此写成blog后就又打了一个折扣，一来一回大家看不懂也是正常的；

目前在考虑如何将我个人在机器学习的学习过程、竞赛项目等整理成一个系列，即能够帮助自己加深理解，如果还能对小伙伴们起到一丝丝帮助，那就再好不过了；

不过这个系列的分享形式还没有考虑好，既要能够让大家有收获，又能在展示我个人的一些优势的情况下，将我也还没很懂的部分说给大家听，避免误导大家，这还是有点难度的啊。。。。

不过有一点我觉得很好，之前在一篇文章看到的，说是一些国外的kaggle大佬们跟别人讨论分享时有一个习惯很好，就是他不仅仅会分享他最后采用的、效果好的数据处理方式，同时他也会分享之前他尝试的一些效果差强人意的，这种习惯好就好在他分享了自己的一整个思考的过程，而不仅仅是一个结果，这一点在做特征工程时是非常重要的，我们看到一个好的机器学习模型，也很容易copy复现它的效果，但是随便换一个问题又感觉自己做不到，即便是类似的问题，这就是因为模型是结果，但是如何到达这个结果，那个过程更重要，里面包含了很多思考、尝试，没有这个过程就成了知其然不知其所以然，我觉得这一点是可以学习的；

如果有人能看到这篇随笔，希望能给我留言，平时写给别人看的东西也不多，所以对这方面也有些困惑，但是又很希望能够分享一些自己的东西跟大家讨论，一起进步，拜谢；

写于 2020-01-21 23:47，深圳；