不论是初学者还是资深的科研工作者，在机器学习这条不归路上都会或多或少走一些弯路，只是结果会有区别。

这些年来我一直在给研一的同学上机器学习这门课程，总结一下大家学习机器学习的弯路，基本上有三种情况。

其一是重理论轻实践。这是很多初学者同学会犯的错误，虽然对于科研工作者来说，没有必要实现一些机器学习算法，因为没有必要自己做轮子，这一点我在之前的文章中已经有了一定的描述，但是对于初学者来说，学习机器学习就应该先从机器学习的经典流程开始。

其二是脱离场景。机器学习本身的应用与场景具有紧密的联系，如果脱离场景来探讨和学习机器学习本身就存在问题，而这正是很多初学者会犯的错误。

当前机器学习的内卷一个重要的原因就是模型本身已经不能为业务提供*增长，很多技术从业者开始从业务创新转向理论创新，包括一些在大厂的同学，已经开始脱离场景做创新了，这本身就是一种自欺欺人的做法。

其三是过于相信一些文章的结果。很多资深的技术专家在使用文献成果之前，一定会做复现，复现成功之后，再完成与行业场景相结合，这个过程往往需要做一些取舍，比如为了速度而牺牲效果，这是比较常见的。

现在不少文献都存在一定问题，这个问题就是复现的结果与文章当中的结果存在差异，这一点在机器学习领域更突出一些，所以一定要重视复现。