- 工業大數據分析算法實戰
- 田春華
- 535字
- 2023-05-06 17:52:29
1.4.1 分析算法理解的維度與路徑
一個算法有很多不同維度,典型維度有4個,見表1-5,只有把這些維度都熟悉了,才算熟練掌握了一個算法。
表1-5 分析算法理解的4個維度

不同目的對上面4個維度的側重點不同。一個算法研究者,要更關注既有算法提出的動機、問題的形式化方法和可能改進點,有了這種思想層面的理解,才可能發展一些新的有用的算法;而教育工作者,除了大概思路外,關注的更多是理論推導;作為一個工程分析應用人員,除了關注應用外,要更關心常見算法的整體概念框架(這樣有選擇的自由)、算法的適用范圍、不同算法組合套路、不同算法包的對比等,在對外交流時,也會關注算法的形象化解釋(讓其他領域的人快速理解)。
對算法的理解在單個維度可能會遇到瓶頸,這時候不同算法、不同維度的交叉類比可能非常有幫助,用其他類似或相關算法去理解新算法,用算法的對比驅動更深層次的理解,通過閱讀源代碼(很多優秀算法包)去理解算法的數學公式,通過簡單算例對比去理解算法的工作機制。對于工業分析師來說,可以先快速入門,擴大視野,形成直覺研判,然后再分而治之去深入每個算法的理論推導,采用螺旋上升的方式,通過如圖1-13所示的交叉印證與檢驗,以及適度的追求技巧,讓數據分析工作充滿樂趣,驅動更多更高效率的學習。

圖1-13 不同層面問題的交叉理解
推薦閱讀