hi，喵老师🐱来啦。

很多小白朋友，尤其是准研究生、文科生，刚开始接触机器学习之后常常在短时间内就「入门即放弃」了。

其实背后主要的原因无非那么几个，今天喵老师就给大家盘一盘，看看你是哪一种👇：

1️⃣ 数学公式/推导劝退

概率统计是机器学习的重要基础，数学在这其中发挥的作用不言而喻。

可咱正经人谁喜欢数学呢，你说是吧🌚。

有一说一，前期概念学习阶段的时候，深入公式和推导的细节除了令人崩溃以外真的意义不大（数学大神看到这里请出门右转不送✋）。

👉所以大家完全可以心安理得地跳过短时间理解不了的部分，避免打击学习的积极性。等学习渐入佳境，升级到新的阶段时再回过头来探究也完全来得及。

2️⃣ 英文劝退

许多优质学习资源，无论是🎬视频、📚教材、📝论文甚至💻代码，绝大部分都是英文的。现状如此咱也没法子，国内这方面还需多多努力呀💪！

倒也不是说咱英文不好。机器学习中的概念复杂且丰富，加上一门非母语的转换，就好比在本就不清晰的东西上又蒙了一层纱。

还有就是：看英文的东西真的超容易犯困🥱有没有！

👉尽量给自己找一些靠谱的中文入门教程，如果实在没有发现合适的，就在学习英文教程的时候好好利用翻译工具以及做好重要概念的笔记注释。

3️⃣ 计算机/编程劝退

来来来，有多少朋友在配置编程环境的时候就已经崩溃的？让我看到你们的双手🙋‍♀️🙋‍♂️。

对非计算机专业的同学而言，捣腾编程环境失败的打击简直是灾难性的。

还有就是编程本身，即便Python已经是一门非常亲民的语言，对于零基础的人而言依然门槛不低。

许多教材丝毫不顾及新手的感受，上来就是各种高级的骚操作，留下风中凌乱的咱们一脸懵逼。

👉Python无痛入门很重要，一开始就把编程当成一门课程那样去专攻，只会适得其反。抓住一些最常用的数据结构和函数操作，基本就覆盖前期99%的使用场景了，其他的按需深入。至于环境配置嘛，随缘吧🤦‍♂️。

4️⃣ 项目代码劝退

都知道学机器学习最好的方式之一，是跟着实际的应用项目跑通流程，从而帮助理解那些晦涩难懂的概念和理论。

可是许多项目的代码，要么是大量关联复杂的脚本，要么从头至尾几乎没有任何说明。新手在运行的时候寸步难行，即使撞了大运跑通了一部分，也不知道自己到底跑了个啥，和理论的知识点完全没法建立联系。

👉选择辅助学习的代码项目时尽量找Jupyter Notebook形式，并且里面有对应文字说明和代码注释的。执行的时候一步一步来，根据说明来和教材上的内容做对应，从而融会贯通。

———————————————————————

好啦，以上就是喵老师总结的小白4大被劝退原因，不知道你中了哪个呢？

喵老师自己也曾经靠自学入门机器学习，大家遇到的困难和踩过的坑，一个不落都体验过。为此也收集整理了一些在我看来对新手入门更友好的教程，感兴趣的话可以去橱窗看看👀（还附赠Python环境配置指南和一键部署脚本哟🤓）