不少自学的朋友很容易陷入到焦虑当中，尤其是在学习理论受挫之后。 再加上不少人是码农出身，实现算法是就成了最容易缓解焦虑的途径。
然而要警惕掉到「用忙碌而逃避困难「的陷阱当中去，更好的缓解焦虑的方法是应用算法，去解决具体问题。 众所周知，机器学习最不友好的部分不是编程，而是背后的数学原理，以及如何使用它来解决问题。照我来看，只有两种情况值得动手造轮子：
除此之外，对于研究者来说，复现前沿研究也有一定的价值，因为可能：
对于大部分人而言，想要了解怎么调参、每个参数的含义，都不必重新实现算法。可以直接阅读文档，也可以在在各种场景中慢慢摸索。比如参加比赛的过程中，或者实际工作里，甚至看看博客、读读知乎都可以有些收获。 同时，如果能够通过解决实际问题来加深对模型的理解，还可以增强自己的信心，比实现算法可能要更为划算且有效。
在不少公司，机器学习研究员和工程师是两个岗位，前者提出思路和理论，后者去高效的实现。从这点上也不难看出一个实践者不一定需要具备两方面技能，毕竟时间有限。 如果你对自己的定位是使用者（更接近工程师的话），多补补理论是当务之急。如果你想成为一个研究者，必要的编程能力要有，但不要花过多的时间在提高码力上，能做好理论已经很难，可以交给工程师实现、优化你的理论。
所以，没什么特殊情况，实现算法可以当做玩票，多看看模型、了解一些理论、应用到具体案例上去才是正事。
对于自学的朋友，也可以参考一下我的文章：如何用3个月零基础入门机器学习？
