享知行·思考篇：机器学习的思维，思考刻意练习

首次提出“刻意练习”这个概念的是佛罗里达州立大学心理学家 K. Anders Ericsson（安德斯·艾利克森）。在这之前马尔科姆·格拉德威尔在《异类》中提出了10000小时定律，要成为某个领域的专家，需要10000小时，但这过程中存在一些缺陷，如果只是简单的重复，哪怕练习了10000小时，也很难成为某个领域的专家。

很多事情的背后都有它的方法论，无论是读书、写作、拍电影、下棋，都有他背后的“套路”。读书我认为是一个输入、内化、输出的过程。输入是你怎么读这本书，是浅读还是精读。通俗易懂叙述类的书籍可以浅读，获取到书中的关键信息即可。经典的书籍需要精读，要理解作者的观点，弄明白作者的论据是什么，最好还能了解作者的背景，以及作者在什么环境下写的这本书。内化这是自己去真正理解书中的内容，想想我在哪些场景能使用到，最好能找到5个使用场景。输出是指，学以致用，运用到实际场景中。也可以通过和他人分享，自我检验，还要经得起提问，有的人不愿意说，写也可以，任正非就喜欢通过写的方式来输出，我现在写的这篇文章也是在输出的产物。写作也是有技巧的，总分、总分总、论点论据等。拍电影主要讲究桥段，很多场景使用的桥段是一样的，如一个怪兽要袭击你，然后一个大的怪兽，把小怪兽赶跑了，你以为得救了，其实更大的危险在等着你。你碰到了一个坏人，他要对你不利，被一个更坏的人赶跑了，你将面临更大的伤害。这两个虽然场景不一样，但是桥段是一样的。下棋的人需要打棋谱，这是它身后的模式，从打棋谱过程中，学习其中的套路。学习不只是学习知识，而更应该学习知识背后的思维模型，也就是机器学习中核心算法的概念。

往往找到事情背后的思维模型和算法，是极其困难的，但这是刻意练习的前提。在机器学习的世界里，一旦确定了算法之后，接下来需要通过大量的数据去训练你的模型，优化参数，提高你的模型准确率，训练次数不能太少，太少容易欠拟合，误差很大。训练太多，容易过拟合，偏差很大。就好比如果你训练的太少，你达不到熟练的程度。训练的太多，会让你产生舒适区，不再思考，潜意识的做出决策。机器学习训练过程有一个参数非常重要，这个参数叫学习率，这是一个0-1之间的数，这个值如果很大，就像上文中的浅读，你会学的很快，但是你会错过很多内容。如果这个值很小，就像精读一样，我会学的很细致，但是我会学的很慢，需要花更多的时间去训练。训练的过程是一个自我修炼的过程，需要不断的自我迭代升级，认知升级，改善你的模型，这样才能让你的训练更加有效。简单的重复，只会让你像陀螺一样在原地打转。

自我迭代，改善模型过程中最重要的是反馈。自己往往是很难发现自己的问题，这时候“教练”的角色就很重要，不是说他的技能比你更强，而是他能以旁观者的身份，去观察你整个训练的过程，发现你训练过程中的不足，并针对这些问题给你提供一些好的建议。“教练”可以是你的父母、朋友、同事、同学，甚至可以是不认识的网友。当然对于“教练”提供的意见，你也要采取批判的态度，如果是对的可以采纳，反之拒绝。

机器学习与刻意练习，都有三个步骤，第一步创建模型，第二步训练模型，第三步优化模型。创建模型是从0-1的过程，是最重要也是最痛苦的，机器学习是提出核心算法，刻意练习是提出思维模型。训练模型，机器学习是用大量的数据去训练模型，调整模型参数。刻意练习是重复练习基本功。优化模型，机器学习是优化超级参数，刻意练习是通过反馈，自我迭代升级。