知识卡片
不从零开始造轮子
本书大量手写算法(梯度下降、决策树、朴素贝叶斯、矩阵运算),目的是让人看清机制;机制看清之后不该继续手写。理由不是“麻烦”,而是四条具体成本:性能,纯 Python 循环比向量化的库慢几个量级;易用性,索引、缺失值、类型转换都要自己兜;快速成型,改一次实验就要重写一遍流程;误差处理,数值稳定性与边界输入最容易出错。成熟库的价值正是把这些易错细节固定成经过大量使用检验的默认行为。边界在于:不理解原理就调库,结果异常时无从判断是数据问题还是参数问题,也看不出库的默认行为与自己的问题不匹配。合理顺序是先手写一次建立判断力,再换成库。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第27章 数据科学前瞻 · 查看原书依据
“从零开始”做一件事情可以帮助我们很好地理解其工作原理,但这对于性能表现(除非你仅仅是出于性能方面的考虑去实现的)、易用性、快速成型或误差处理来说,并不理想。
参考来源
- 位置:《数据科学入门(第2版)》第27章 数据科学前瞻(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0031.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「“从零开始”做一件事情可以帮助我们很好地理解其工作原理,但这对于性能表现(除非你……」
- 原始内容:“从零开始”做一件事情可以帮助我们很好地理解其工作原理,但这对于性能表现(除非你仅仅是出于性能方面的考虑去实现的)、易用性、快速成型或误差处理来说,并不理想。