最近好几个朋友问我同一类问题：非科班出身，想进机器学习这行，到底从哪下手？网上的资料多得像海，但大部分不是太深就是太散，翻两页就劝退。我自己从最早用SVM做文本分类，到后来用CNN跑图像识别，再到现在用Transformer调大模型，折腾了快十年，回头看这条路其实很有规律可循。
这篇文章就把机器学习里最核心的几块内容——监督学习、无监督学习、SVM、神经网络——从头到尾捋一遍，不讲数学推导的每一个细节，而是把每个算法的本质思路、适用场景、常见坑点讲透，最后给一条我自己验证过、带过不少人走通的入门路线。不管你是学生准备期末，还是转行者想找工作，按这条线走下来，至少能建立起一个清晰的机器学习全景图。
1. 先搞清楚：机器学习到底在解决什么问题
很多人一上来就扎进算法细节，结果越学越迷糊。我建议先想清楚一个问题：机器学习跟普通编程的本质区别是什么？
传统编程是我们写规则、喂数据、得结果。比如写一个垃圾邮件过滤器，你得一条一条列规则——标题含"免费"的删掉，发件人是陌生人的删掉，正文链接多的删掉。这种办法能跑，但一旦垃圾邮件变着花样绕规则，规则库就得不停维护，越写越臃肿。
机器学习的思路完全反过来：我们喂大量"邮件+标签"的历史数据，让程序自己总结出"什么样的邮件更像垃圾邮件"的规律和模式，然后拿着学到的规律去判断新邮件。换句话说，传统是从规则到判断，机器学习是从数据到规则——这个差异是整个领域的基石，也是"为什么机器学习"的最简答案。
围绕这个核心，所有机器学习应用都遵循同一个流程：收集数据、清洗数据、特征加工、选择模型、训练模型、评估效果、部署上线。这七个步骤缺一不可，但在入门阶段，大部分人把99%的精力都花在"选择模型"和"训练模型"上，忽略了更关键的数据环节。我见过太多人模型换了一个又一个，最后发现是数据里有大量脏值没处理，纯粹瞎忙。
这个流程里还有两个基础概念必须在一开始就建立起来：特征（Feature）和标签（Label）。特征是描述样本的维度，比如一封邮件的长度、是否含图片；标签是我们要预测的目标，比如这封邮件是不是垃圾邮件。特征和标签的组合构成了训练数据，整个机器学习算法，本质上都在处理这两者之间的关系。理解了这一点，后面看监督和无监督的区别就很快。
2. 监督学习：从"标准答案"里学规律
2.1 监督学习的核心逻辑
监督学习是机器学习里应用最广、入门最先接触的一类。核心就一句话：从带标签的数据里学习输入到输出的映射关系。这里的"带标签"就好比学生做题有标准答案——你拿到一套题（特征）和对应的正确答案（标签），通过不断练习，总结出解题方法，然后去应付没见过的新题。
按照输出的类型，监督学习分成两大阵营：回归和分类。
回归解决的是"预测连续值"的问题，比如根据房屋面积、地段、房龄预测房价；分类解决的是"判断类别归属"的问题，比如根据病人的各项指标判断是否患病。很多人刚入门时会混淆这几个词，我给了个简单的记忆方式：回归的输出是一个数，分类的输出是一个类。
2.2 回归与分类的关键参数对比
| 对比维度 | 回归（Regression） | 分类（Classification） |
|---|---|---|
| 输出形式 | 连续数值 | 离散类别 |
| 典型算法 | 线性回归、岭回归、决策树回归 | 逻辑回归、决策树、SVM、朴素贝叶斯 |
| 常用评估指标 | 均方误差（MSE）、R² | 准确率、精确率、召回率、F1 |
| 生活类比 | 预测温度是多少度 | 判断明天是否下雨 |
这里有个经典的坑：逻辑回归虽然名字带"回归"，却是用来做分类的。我在带新人时几乎每个人都会在这卡一下。逻辑回归本质是在线性回归外面套了一层Sigmoid变换，把连续输出压到0到1之间，就可以解释成"属于某一类的概率"。
2.3 模型训练的本质：损失函数与过拟合
不管是回归还是分类，训练的套路都绕不开一个概念——损失函数。损失函数衡量的是"模型预测值"和"真实标签"之间的差距，模型的训练过程，本质上就是不断调整内部参数，把这个差距降到最小。
回归任务里最常见的是均方误差（MSE），也就是预测值与真实值差的平方的平均值。这个公式的好处是：差得越远，惩罚越重，能引导模型认真对待每一个偏离很大的样本。分类任务里则常用交叉熵损失，它衡量的是两个概率分布之间的差异，用于分类场景，梯度特性比MSE好得多，收敛也更稳定。
损失函数下降到一定程度就会出现一个核心问题——过拟合。打个比方：一个学生复习了一整套题库，把每道题的答案都背下来了，考试碰上原题能拿满分，但题目稍微变一下就不会了。过拟合就是模型把训练数据里的细节和噪声都"背"了下来，而对新数据的预测能力（泛化能力）却很差。
过拟合是监督学习里最大的杀手。入门最痛苦的地方就在这：训练准确率明明99%，一上验证集掉到70%。遇到这种情况先检查三件事：一是训练数据和验证数据是否分布一致，二是模型是否过深过复杂，三是训练数据量是否太少。对应的手段分别是重新切分数据、增加正则化（L1/L2）、引入数据增强或增加样本。
2.4 多种经典算法的选型思路
监督学习算法这些年层出不穷，但经典的就那么几个，真正理解它们各自的脾气，选型的时候才不会抓瞎：
- 线性回归：解释性最强，适合数据量和特征维度都在可控范围的场景，比如做业务分析时给老板讲"每增加一个平方，房价涨多少"，它是最合适的。
- 决策树与随机森林：决策树天然处理表格数据，不要求特征归一化，还能输出特征重要性，是很赞的探索性建模工具。随机森林在决策树基础之上做Bagging集成——每次用不同的子样本训练若干棵树，最后投票决定，方差更小、更稳。
- 梯度提升树（GBDT/XGBoost/LightGBM）：Kaggle表格类赛题的常胜将军。它用一个接一个的弱学习器，尽可能去拟合前面所有学习器留下的残差，效果通常优于随机森林。工业界的用户画像、风控评分、推荐排序这类结构化数据场景，它基本是首选。
- 朴素贝叶斯：基于条件概率的生成式模型，训练极快，特别适合文本分类这种高维稀疏场景，也是我最早做垃圾邮件过滤用的算法。
这里想提醒一句：不要迷信"新算法一定比旧算法好"。线性回归在低维小样本场景下依然很能打，随机森林在噪声大的表格数据上也经常赢过深度神经网络。选算法的第一原则是匹配数据类型、样本量和业务需求，而不是追热门。
2.5 监督学习的现实瓶颈
监督学习的效果上限，很大程度上取决于数据标注的质量与数量。传统视觉模型高度依赖监督学习——这个说法在图像识别领域尤其成立：一个高性能的分类模型动辄需要几万到几百万张带标注图片，而这些标注绝大多数是靠人工一个框一个点打出来的。
这也是深度学习时代最大的真实瓶颈之一。我做过一个工业项目的亲身体会：标了三万张图，光标注费用就是一大块成本，更别提某些领域（比如医学影像）还需要专业人员、甚至专家团队来标注，人力成本极高。同时，样本不均衡也很常见——正样本占到95%，模型只需要"躺平"全预测正类就能拿到95%准确率，但实际业务价值几乎为零。
面对这些问题，工业界的解法大致有几路：用半监督学习把少量标签和大量无标签数据结合使用，用预训练模型做迁移学习、少样本场景直接微调，以及用数据增强自动生成更多变体样本。理解这些从"数据困境"催生出的解题思路，比单纯套用模型能更好地训练你的机器学习直觉。
3. 无监督学习：没有标签，怎么发现数据里的结构
3.1 无监督学习的本质
相比监督学习，无监督学习面对的是另一番景象：数据只有特征、完全没有标签，算法需要自己从数据中发现隐含的结构或规律。
生活中对应这种模式的例子是"你没告诉我谁是什么类型，但你给我一堆人的身高体重，让我自己把人自然分成高矮胖瘦几群"。无监督学习并不预测某个具体答案，而是回答"这些数据本身长什么样、能不能分组、哪些点异常"这类更本质的问题。
无监督学习的价值在四个方向上体现得最明显：一是聚类，把相似的样本自动归组；二是降维，在保留核心信息的前提下压缩特征数量；三是异常检测，识别与众不同的样本（如欺诈交易、设备故障）；四是关联规则挖掘，发现频繁共现的模式（如"买啤酒的人也常买尿布"）。前两个是入门完全绕不开的基础。
3.2 聚类分析：K-Means 到底是怎么工作的
聚类算法里最广为人知的就是K-Means。它的目标是把样本分成K个簇，让同一个簇内的样本尽可能近，不同簇的样本尽可能远。整个算法流程其实很朴素：
- 先随机挑K个点作为初始聚类中心；
- 把每个样本分配到离它最近的那个中心对应的簇；
- 对每个簇，把所有样本的均值作为新的中心点；
- 重复第2步和第3步，直到中心点不再明显移动。
用K-Means你不需要任何标签信息，它自己就能在数据中"雕刻"出几块相对集中的人群。最有意思的是K值的选择——这个"分成几组"的超参数并不需要拍脑袋，通常我会用"肘部法"：画出K值与簇内误差平方和的曲线，找到下降趋势明显变缓的拐点，那个位置对应的K通常就是最自然的分组数。另一种验证手段是轮廓系数，它同时衡量簇内紧密度和簇间分离度，值越接近1说明聚类效果越好。
K-Means最大的弱点是容易被初始中心点带偏，可能收敛到局部最优。工业上一般用K-Means++初始化（尽量让初始中心彼此分散）来缓解；另一个思路是多跑几次、每次随机换一组中心点，最后保留簇内误差最小的一次结果。
3.3 降维技术：PCA 如何把高维数据"压扁"
降维处理的是特征太多的问题。想象一下你有一张1000维特征的表，大部分维度之间高度相关，直接把模型扔进去，计算开销大不说，还容易引入噪声。PCA（主成分分析）的思路是：找出一组新的正交方向，让数据在这些方向上投影后的方差最大——方差大意味着信息保留得多，丢掉方差小、区分度低的方向，数据维度就降下来了。
PCA在入门阶段有三大用途。第一是可视化：把高维数据降到2维或3维，直接画成散点图，直观观察样本分布和分组结构。第二是加速训练：把几百维的稀疏特征压缩到几十维，模型训练时间能大幅缩短。第三是去相关性：去掉冗余特征之后，很多线性模型的稳定性会明显提升。
但它也有明显的局限——PCA是线性降维，遇到流形结构（比如数据分布在一个弯弯曲曲的曲面或带子上）会失真。这时候更适合用t-SNE或UMAP这类非线性降维，不过t-SNE计算量大，且对每个运行结果有随机性，它更适合做可视化探索，不适合作为正式建模前的前处理步骤。
3.4 无监督学习的进阶玩法
在真实项目里，无监督学习很少单打独斗，更多的是跟监督学习组合出招。
比如半监督学习，就是"少量标签+大量无标签"的组合套路：先用无标签数据做聚类或预训练，让模型学到数据本身的分布形状，再用少量标签调优。这在标注成本极高的领域（医疗影像、工业缺陷检测）是救命稻草。
无监督学习用于异常检测也很有价值。在用户行为数据上做聚类，那些落在所有簇边缘、或者自成一个小簇的样本，往往就是刷单、盗号等异常操作。我自己做过一个风控相关的项目，先用孤立森林（Isolation Forest）做全量筛查，再对可疑样本做二次聚类，基本上能把异常用户端到端挑出来，准确率比纯规则高一个量级。
还有一个常用思路是用PCA先把几百维的点击行为特征压缩到几十维，再喂给下游的监督模型。这个操作我有一次让模型的训练时间缩短了将近一半，准确率不降反升——因为去掉了噪声维度，模型更容易聚焦在真正有区分度的信号上。
4. SVM：让分类边界尽量"宽"的经典思路
4.1 SVM 的核心思想
SVM（Support Vector Machine，支持向量机）是我自己最早认真啃下来的算法之一。它的核心思想用一句话说就是：在两类数据之间找一条分隔线，并且让这条线离两边最近的点都尽量远。
为什么"离两边尽量远"很重要？因为分类边界越"宽"，对新样本的容错能力越强。想象你在一片空地上用一条白线把左边的红球和右边的蓝球隔开——同样能隔开的两条线，其中一条离球群很贴近，另一条居中留出了大片缓冲带，后者面对轻微扰动依然稳妥，前者稍微来一个新球就穿线了。SVM做的就是自动找到那条"缓冲带最宽"的分隔线。
离分隔线最近的那几个样本点，被称为支持向量。分类边界方向完全由这几个点决定，其他样本离得再远也不会影响分界线位置。这个性质让SVM在样本量有限时依然有很强的泛化能力，也是它跟"靠全体样本配权重"的神经网络很不一样的地方。
4.2 硬间隔、软间隔与C参数的取舍
当两类数据完全线性可分时，SVM要最大化一个"硬间隔"——数学上对应着一个约束优化问题：在保证所有样本都分类正确的前提下，让间隔最大。但真实数据里几乎没有完美分开的情况，总会有个别异常点或噪声横在两类中间。
这时候就要引入软间隔，允许模型牺牲少数样本的分类正确性，来换取整体的间隔更大、泛化更好。软间隔里的核心超参数是C：C越大，模型越不能容忍分类错误，间隔会变窄、容易过拟合；C越小，模型越宽容，间隔会更宽、但可能出现过多误分类。这个参数的调优经验是：先拿默认值跑通，再画一条C从0.01到100的验证曲线，看准验证准确率最高的位置，不要一上来就追求训练集上零错误。
4.3 核技巧：把低维问题"卷"到高维解决
现实里更像下面这种场景：数据在二维平面上根本不是直线能分开的，而是像红点和蓝点交错成同心圆。这时候就需要核技巧登场了。
核技巧的审美非常优雅：我们不直接计算高维空间里的坐标（那会爆炸），而是用一个核函数隐式计算样本在高维空间的内积。最常用的RBF高斯核把样本映射到无穷维空间——听起来玄乎，实际操作上你只需要把它理解成一个衡量"两个样本间相似度"的函数即可。RBF核的gamma参数控制着相似度衰减的快慢：gamma太大，每个样本的影响范围很小，容易过拟合；gamma太小，所有样本都差不多，决策边界会过于平滑。
还有一个很形象的类比：想象你手里有一张画在纸上的图，两类点纠缠在一起分不开。你试着把纸轻轻"卷"成筒状，原来叠在一起的点在空中分开了一个高度差，这时候一刀切下去就能分开了。核函数就是那个"卷纸"的动作，只不过它是在数学空间里完成的隐式操作，不需要你真的把数据变到高维去算。
4.4 一个关于梯度下降的常见误区
网上搜索"svm的梯度下降"这个词的人一直很多，这其实是深度学习时代的一个典型"误伤"——大家习惯了神经网络用梯度下降来训练，下意识觉得SVM也是这么学的。但实际上，经典的SVM求解走的是另一种路线：它把最大化间隔问题转化成对偶问题，然后用序列最小优化（SMO）算法逐步更新拉格朗日乘子来求解，核心原因是SVM的损失函数带不等式约束，直接做梯度下降并不方便，SMO能更稳定地处理这种带约束的优化结构。
我自己刚开始学SVM时也绕了弯路：拿着梯度下降的套路去硬套SVM，代码写了一堆就是不收敛。后来才明白，理解一个算法的"训练方式"和它的"模型结构"是两回事。SVM的结构依赖的是支持向量和间隔这个概念，它的训练走的是SMO；神经网络的结构依赖的是多层复合函数，训练才走的是梯度下降加反向传播。
SVM在工业界至今仍有很强的存在感。中小样本、高维稀疏、需要模型可解释的场景（比如文本分类、基因表达数据、故障诊断），SVM的稳定性和效果都非常能打。而到了海量数据和图像这种非结构化输入的场景，神经网络才是更合适的选择。理解了这两个家族各自的边界，比单纯比较"谁准确率高"要重要得多。
5. 神经网络：从感知机到Transformer的演进
5.1 神经网络的"最小零件"：神经元
神经网络是当前机器学习领域当之无愧的主角。不过它的起点意外地朴素：单个神经元做的事情，就是先对输入做加权求和，再套一个非线性激活函数。
把多个神经元分层连接起来，就构成了前馈神经网络：数据从输入层逐层流向隐藏层，再到达输出层。每一层的作用是不断把原始特征"重新表达"成更有用的形态。举一个我在实践里常用的类比：早期做图像识别时，网络的浅层学到的是边缘和颜色块这类基础图案，中间层学到的是眼睛、轮子这类部件，深层才组合出"这是一辆车"这种完整概念。特征从具体到抽象逐层递进，这就是神经网络最迷人的特征学习能力。
激活函数的选择也有讲究。最早用的Sigmoid速度快，但特征一大就很慢而且容易梯度消失；现在主流的ReLU（修正线性单元）计算简单、能缓解梯度消失，是隐藏层的默认选择；而最后一层根据任务决定——回归任务不用激活函数，二分类用Sigmoid，多分类用Softmax。
5.2 训练机制：前向传播、反向传播与残差计算
神经网络的训练，是两个反复交替的过程：前向传播计算预测结果和损失，反向传播则把损失对每个参数的偏导数（梯度）逐层回传，配合梯度下降算法更新权重，让损失不断下降。
反向传播的原理，说白了就是微积分里的链式法则：输出层的误差，通过链式求导一层一层往回"传播"，每层的权重拿到的梯度里包含了"自己对这个误差贡献了多少"的信息。这里有个核心概念——残差，即每一层在反向过程中收到的误差信号。理解残差的传播路径很有用：如果中间某一层的梯度趋近于零，它后面的层几乎学不动，这就是"梯度消失"；反之梯度爆炸到无穷大也是灾难。
训练神经网络就像在浓雾覆盖的山上摸黑下山，梯度告诉你是该往上还是往下、迈多大步，学习率则是这一步的步长。这个类比里牵扯到两个最常调的超参数——学习率和批次大小。学习率太大容易连下山的方向都来回横跳、无法收敛；学习率太小则走得太慢，训几小时都不见进展。我调模型时一般先从1e-3开始，如果损失震荡就降到1e-4，如果收敛过慢就升到3e-3，逐步试探出合适的步长。
5.3 主流网络结构：CNN、RNN、LSTM、Transformer
神经网络发展多年，演化出针对不同数据形态的几大结构分支：
**CNN（卷积神经网络）**天生为图像而生。它通过卷积核在图像上滑动，用很小的感受野提取局部模式，配合池化操作不断缩小特征图尺寸、提升抽象层级。我用CNN做工业质检项目时最大的心得是：数据增强（旋转、裁剪、加噪声）对CNN的泛化能力提升极其明显，比换个更大的模型性价比高得多。
**RNN（循环神经网络）**则面向序列数据。它在时间步之间共享一组权重，把上一个时刻的隐藏状态保留下来作为当前时刻的额外输入。可惜RNN长程依赖不好，回忆的事情隔得太久就忘得差不多了。**LSTM（长短期记忆网络）**在RNN基础上加了门控机制——输入门决定记住什么、遗忘门决定丢掉什么、输出门决定放出什么——它能跨过几十甚至几百个时间步保留重要的上下文信息，曾经是语音识别、机器翻译的标配。
Transformer是这几年最引人注目的革命。它抛弃了循环结构，通过自注意力机制让序列任意两个位置直接建立关联，彻底解决了序列长度带来的顺序计算瓶颈，也让并行训练成为可能。GPT、BERT以及眼下所有大语言模型的底座都是Transformer结构。
5.4 训练神经网络最容易踩的坑
神经网络参数很多、灵活性很大，踩坑几乎是必经之路。我把自己反复踩过的几个坑整理成了一份速查式清单：
| 症状 | 可能原因 | 常用对策 |
|---|---|---|
| Loss变成NaN | 学习率过大、数据有NaN | 降低学习率、清洗数据、检查梯度裁剪 |
| 训练集上效果都很差 | 模型太浅、特征未归一化 | 增加层数、做标准化、调整初始化方式 |
| 训练好但验证差 | 过拟合 | 加Dropout、加正则化、做数据增强、降低模型容量 |
| 收敛非常慢 | 学习率太小、优化器不合适 | 调大学习率、换Adam或SGD加动量 |
| 训练过程剧烈震荡 | 批次太小、学习率太大 | 调大批次大小、降低学习率 |
这类坑在新手里高频出现，一个重要原因是他们总把模型"喂"进去就不管了，却忽略了对数据分布的感知。比如未归一化的特征会让不同量纲的维度在梯度更新时"抢地盘"，模型很难学稳。标准化、归一化这些操作看起来不起眼，但往往比换一个先进模型更立竿见影。
6. 结合实践的入门路线与避坑清单
6.1 数学基础：够用就好的三条线
很多人被"机器学习要数学很好"这个说法劝退了。我的建议很直白：从入门走到能独立完成项目，你并不需要成为数学家，但要掌握好三块基础。
第一是线性代数，重点是矩阵乘法、向量内积、特征值分解，这些在神经网络和PCA里天天用；第二是概率统计，重点掌握均值、方差、正态分布、条件概率和最大似然估计——朴素贝叶斯和逻辑回归都离不开它；第三是微积分，重点掌握导数、偏导数和链式法则，因为反向传播就是在反复使用链式法则。
这三条线不用专门去啃数学系的教材，遇到不懂的概念再去查，边用边补效率更高。我认识的很多优秀工程师都不是数学科班出身，他们的经验一致：先跑通代码，再回头补数学，带着问题学的效果远好于空对空刷题。
6.2 工具链选型：从Python生态开始
入门工具链的推荐非常统一：Python + NumPy + pandas + scikit-learn + PyTorch。目前网上的热门问题里还有人在用MATLAB做手写数字识别，这个思路本身没错，但以今天的生态来看，工业界和学术界的主流已经全面转向Python，教程最多、沟通成本最低、可用的预训练模型也最丰富。
- NumPy是数值计算的基础，理解它的数组广播机制是后面读所有代码的前提；
- pandas负责表格数据的读取、清洗、分组和透视，是整个数据环节的主力；
- scikit-learn封装了监督学习与无监督学习里的大部分经典算法，接口统一，适合第一个项目快速跑通；
- PyTorch是目前研究和工业落地的主流深度学习框架，动态图机制对新手调试友好，后续做神经网络就靠它。
6.3 课程与资料的推荐组合
入门阶段资料越多越焦虑，我建议只选一条主线走透。经典组合是这样的：
- 吴恩达《机器学习》（Coursera）——兼顾理论和实践的老牌入门课，对监督学习的铺垫做得很扎实，适合第一遍建立全貌；
- 周志华《机器学习》（西瓜书）——中文经典教材，理论深度足够，适合第二遍精读核心章节；
- 李航《统计学习方法》——把SVM、最大熵模型这类经典算法的数学推导讲得非常清楚，适合作为查阅手册。
我自己带人时推荐的节奏是：课程视频看一遍——理解思想；同时把每个算法在scikit-learn里跑一遍——理解接口；每学完一个算法，用几句大白话写一篇"我如何向朋友解释这个算法"的笔记——理解本质。三步都做到了，这个算法才真正是你的。
6.4 三个性价比最高的入门项目
项目实践是打通"看懂了"和"真会了"之间的那堵墙。我建议入门阶段专注做三个项目，难度递增、方向互补：
第一个是房价预测（回归任务）。用scikit-learn里的波士顿房价或自己爬的小区数据，先跑线性回归，再换决策树和随机森林，比较不同模型的表现。这个项目能把特征工程、训练集/测试集划分、回归指标全部过一遍。
第二个是泰坦尼克号生存预测（分类任务）。Kaggle上的经典新手题，数据小、套路全：缺失值处理、类别特征编码、特征选择、逻辑回归和随机森林对比。很多人的第一个Kaggle奖牌就是从这道题开始的。
第三个是MNIST手写数字识别（图像任务）。先搭一个两层的全连接网络（MLP）跑通流程，再换用CNN，感受一下"换对网络结构"带来的效果跃升。搭配PyTorch官方教程，一周内就能看到自己的模型在图上认出数字，成就感很强，也会让你对神经网络的"特征逐层抽取"本质有切肤体会。
6.5 耗时一年踩坑总结：新手的七个回避事项
在带了不少人入门之后，我总结出了新人最容易走向放弃的七个行为模式。如果你能提前避掉，进度至少能快一倍：
第一是贪多嚼不烂。今天看到Transformer火就学Transformer，明天看到图神经网络牛就换图神经网络，结果每个都只看了个开头。选定一条主线，学透一个算法再碰下一个。
第二是只调包不看原理。调包本身没有错，错的是始终不打开那个包——sklearn的每个算法都去看一遍它的参数和损失函数，至少知道自己在用什么。
第三是忽略数据清洗。一个模型效果好不好，数据质量往往比算法选择更关键。处理缺失值、去重、清洗异常值，是项目里永远值得多花时间的环节。
第四是用手抄代码代替思考。照着教程敲一遍代码只能带来"我学会了"的错觉，真正学会的标志是你能闭着眼睛把流程讲给别人听。
第五是过早读论文。新入门时读原版论文基本是灾难，里面有大量你不知道的领域背景。先读综述、教科书、优质博客，建立好知识骨架再碰论文。
第六是不做输出。写博客、画思维导图、讲给别人听，任何一个都行。输出是检验输入的最可靠方式。
第七是不关注应用场景。算法本身没有高下之分，在什么场景用什么算法才是真正的功力。入门阶段就要有意识地思考"这个算法适合解决什么现实问题"。
我自己走过的路上，最大的转折点是停止追求"把每个数学证明都看懂"，转而接受"先会用、再深入"的学习节奏。我在实际带人的过程中发现，凡是能坚持跑完上面三个项目、并坚持做输出笔记的人，基本都在三个月内建立了独立做小项目的能力。机器学习的入门真的不难，难的是别在信息洪流里迷失方向。
