不少自學的朋友很容易陷入到焦慮當中，尤其是在學習理論受挫之後。 再加上不少人是碼農出身，實作演算法是就成了最容易緩解焦慮的途徑。
然而要警惕掉到「用忙碌而逃避困難「的陷阱當中去，更好的緩解焦慮的方法是套用演算法，去解決具體問題。 眾所周知，機器學習最不友好的部份不是編程，而是背後的數學原理，以及如何使用它來解決問題。照我來看，只有兩種情況值得動手造輪子：
除此之外，對於研究者來說，復現前沿研究也有一定的價值，因為可能：
對於大部份人而言，想要了解怎麽調參、每個參數的含義，都不必重新實作演算法。可以直接閱讀文件，也可以在在各種場景中慢慢摸索。比如參加比賽的過程中，或者實際工作裏，甚至看看部落格、讀讀知乎都可以有些收獲。 同時，如果能夠透過解決實際問題來加深對模型的理解，還可以增強自己的信心，比實作演算法可能要更為劃算且有效。
在不少公司，機器學習研究員和工程師是兩個崗位，前者提出思路和理論，後者去高效的實作。從這點上也不難看出一個實踐者不一定需要具備兩方面技能，畢竟時間有限。 如果你對自己的定位是使用者（更接近工程師的話），多補補理論是當務之急。如果你想成為一個研究者，必要的編程能力要有，但不要花過多的時間在提高碼力上，能做好理論已經很難，可以交給工程師實作、最佳化你的理論。
所以，沒什麽特殊情況，實作演算法可以當做玩票，多看看模型、了解一些理論、套用到具體案例上去才是正事。
對於自學的朋友，也可以參考一下我的文章：如何用3個月零基礎入門機器學習？
