这是什么
研究生阶段的机器学习超越应用标准算法,转向理解其理论基础——统计学习理论、泛化界、优化景观,以及解释不同学习方法何时成功或失败的底层数学假设。
为什么重要
在研究层面,仅仅知道如何调用一个库函数是不够的——推动该领域向前发展、诊断模型细微的失败,或将方法应用于真正新颖的问题,都需要对理论有足够深入的理解,才能推理出某个方法在其最初设计的教科书情形之外的行为。
考试小贴士
审视研究论文中提出的方法时,专门寻找它对数据或问题结构做出的假设——如果只关注报告的准确率数字,一个方法的亮眼结果往往只在容易被忽视的特定条件下才成立。