從頭開始編寫演算法是一種有益的體驗，當你最終點選執行的那一刻，你會了解演算法背後真正發生了什麼。

如果你以前用scikit-learn實現過這個演算法，從頭開始編寫就會很容易？不是這樣。

有些演算法只是比其他演算法更復雜，所以可以從簡單的開始，比如單層感知器（Perceptron）。

本文將以感知器為案例，引導你完成從頭開始編寫演算法的6個步驟。這種方法可以很容易地用於編寫其他機器學習演算法。

1. 對演算法有一個基本的瞭解

這又回到了我最初所說的。如果你不瞭解基礎知識，請不要從頭開始處理演算法。至少，你應該能夠回答以下問題：

 ●  它是什麼？  ●  它通常用於做什麼？  ●  什麼時候不能使用它？

對於感知器，上面三個問題的答案是：

 ●  單層感知器是最基本的神經網路，通常用於二進位制分類問題（1或0，“是”或“否”）。  ●  它是一個線性分類器，因此只有在存線上性決策邊界的情況下才能有效使用。一些簡單的用途可以是情緒分析（正面或負面反應）或貸款違約預測（“會違約”，“不會違約”）。對於這兩種情況，決策邊界都必須是線性的。  ●  如果決策邊界是非線性的，那麼你實際上無法使用感知器。對於這些問題，需要使用其他演算法。

原文連結