经管类学生如何学习机器学习理论？

【这是三年前的一篇“老”推文，坦白而言，三年前我们在经管圈谈论“机器学习理论”之时，还有太多圈内人不接受。但是，仅仅三年，一切都“翻天覆地慨而慷”的感觉，总之，百年未有之大变局的时代，每个中国人一定要心胸开阔，不断努力】

 在开始讨论之前，我解释一下 “经管类学生”指的是哪类人？

    我主要指的是国内主要财经类的高校的学生。比如我们首都经济贸易大学，就是一个非常典型的财经类高校。这类高校的特点非常明显。

   这类学校的学生对“机器学习理论”（Machine Learning）,是非常陌生的。

    今天的推文，我们并不打算诸如现有网上的关于《机器学习理论》的科普，展开讨论，我们更愿意把最核心的一些问题在这里说一下，进行一个“另类”科普。我们完全站在“财经类”院校的视角来说说《机器学习理论》，而不是现在互联网上《机器学习理论》的科普，因为这类介绍都是计算机系的学生和老师写的，他们的视角还是“深深”的工科思维和计算机科学思维。

我们今天重点说说以下几个问题：

    ”机器学习理论“（Machine Learning）是人工智能领域的理论核心课程。任何学科，包括经济学、金融学要想成为一个学科，它必须得和数学（或者统计学）发生亲密接触，建立基于数理（英文该是quantitative，也就是量化）的理论大厦才能算是一个真正的科学学科。人工智能也是如此，机器学习理论是人工智能学的理论学科。

    对于初学者，希望你们不要过多的纠结于一些国内翻译上的差异，专注于核心知识。初学者可以认为“机器学习理论”基本上和“统计学习理论”是一回事，当然实际上“机器学习理论”的内涵和外延比“统计学习理论”大。

    人类的知识是有很多层次的。学习知识关键是应该学“内核型”的知识，也就是重理论，不要过于偏重于虚无缥缈的“概念”。

    现在很多热的概念，比如：互联网金融、大数据金融、互联网+、云、物联网、区块链，甚至人工智能+各种概念更像是商业炒作。这些都是非常外围的知识，各位同学，必定，大学阶段学习还是扎实点好。学点真知识比较好，少些花架子。

    机器学习理论就是属于内核型知识。学好了机器学习理论，你就能识别那些是虚无缥缈的“概念”，因为虚无缥缈的概念学太多除了让你“迷糊”和你自己的时间被浪费外，其实什么都学不到。

    学好机器学习理论需要什么背景呢？

    其实，具备基本的数理统计知识就够了。

    经管类学校的学生还是开设了不少数理统计的课程。浙大的那本数理统计作为先导课程，其实对于学习《机器学习理论》是够用的。

    任何介绍《机器学习理论》的书籍、网站会告诉你，现在机器学习理论包括三大理论：

    其实前面也说了，《机器学习理论》是“内核型“知识，区分民科和受过正规高等教育训练的专业人员之间，其实差的就是“内核型知识”的掌握（和训练）。这个区分民科和高等教育者之间的判别“定理”，也算是放在哪个学科都是适合的。

    特斯拉的老总Elon Musk说过，他说这个时代所有的商业概念（他指的应该是诸如什么互联网+大数据这样的忽悠不明真相的吃瓜群众的概念)都是前菜（starter）,真正的主菜是人工智能产业的兴起。而《机器学习理论》却是人工智能领域的核心理论知识。因此，机器学习理论重要吗？公道自在人心，我们无需多废话，多解释了！至于该不该学，你自己决定嘛！你懂的！

    我有一个高校的好朋友，算是个在计量经济学领域有建树的年轻学者。他有次在一个高校计量经济学会议上说，现在本科的计量经济学教材有点与时代脱节，他建议使用麻省理工Joshua Angrist的《基本无害计量经济学》又或者是Angirst写的《功夫计量》，很多高校老师是同意他的意见的，据说他这个建议还在高校某论坛上被转载了。下图是麻省理工的Joshua Angrist，和他的宝书《完全无害计量经济学》。我们推文曾在一两年前，以前分享过他的介绍，因为年代久远，我找不到了。

    我说这些什么意思呢？我想说两点：

    第一、当代主流的计量经济学的思想是Joshua Angrist教授的计量思想。这在国内学术圈已无争议。这种思想是什么样的思想呢？说白了，就是重解释“因果推论”。基于因果推论，当代计量经济学也建立起来了严密的分析讨论和分析方法（说俗点就是：套路深深，如果你不认真学习，哪怕你是学统计出身的，也会有很多科研细节搞不懂。搞不懂！那就没法发学术文章了！）。而传统的计量经济学本科教材（我不点名）基本上是一本基于最小二乘法的统计教材，说白了就是......目标不明确，你到底要干嘛？是要搞预测还是要搞解释。搞预测，人工智能领域的学者认为你太不专业。搞解释吧，当代计量的学者认为你的东西太老太过时。传统的计量经济学本科教材的第二部分，一般就是写了些时间序列的知识，然后又无法说清楚具体应用场景，财经类高校很多学生的智力认知水平停留在了”格兰杰因果检验“，然后就没有然后了............ 这些传统老套的计量经济学知识，在当代计量经济学者眼里是被摒弃的，所以学生拿着格兰杰因果检验那点认知去发学术文章是基本没啥戏，基本属于直接被鄙视的对象。    如果把传统计量经济学的知识，拿到现实世界中呢？

    哎！这个.....哎！更悲催。业界的人基本不“了”你！

    下面说说我想说的第二点！

    《机器学习理论》是干什么的呢？

    统计学生出了两个”娃',一个是《计量经济学》，一个是《机器学习理论》。统计学其实最会干两个事情！

    第一：解释，也就是因果推论，这也就是当代计量经济学干出了“丰功伟绩”的事情！！！

    第二：预测！！！这就是《统计学习理论》干的事情。

   小结一下，现实世界，业界其实关注的是“黑猫白猫，捉到老鼠就是好猫”的生存原则，这个世界喜欢这样的生存法则。说白了，我们重视理论或者模型的预测结果！！！

    要是你的模型预测准，也许我们并不知道为何会如此，内部的因果关系为何？但we like it, we love it,we use it.

    所以，现实世界，实务界，人人都爱《机器学习理论》。

    财经类高校学生，你们是时候学点《机器学习理论》了。

    前面其实基本解释清楚了机器学习理论和计量经济学的关系。

    当然还需要强调一下，《机器学习理论》的增强学习理论，应该不算统计学的范畴。

    经济学里面有两种研究方法：一种叫结构型(structural form)研究方法，一种叫简约型（reduced form），简约型基本都认为就是利用计量经济学的方法研究（可以认为是统计学范畴），而结构型比较特殊，其实如果我们要类比，不妨这么类比：

第一步，买书，买以下这本书。特别说明一下，学习这本书，不需要计量经济学的背景知识，也许初级计量经济学的知识对你反而是有害的。该书背后的案例使用R语言实现的，建议你们学习Python。

第二步，学习Python。安装Anaconda软件。具体安装说明可以见以前的推文。

【总0195-量化讲堂085】如何安装Python?

第三步，学习sci-kit软件包。sci-kit软件包是Anaconda里面自带的。

然后访问Sci-kit的主页，该主页上有教学和案例。

第四步，学习吴恩达的公开课。当然这步可以和前面几步结合起来。

吴恩达的公开课在网易公开课里面有。

总结

    当然你要是能一边学习《机器学习理论》又一边学习《高级计量经济学》，我觉得国家需要的复合型人才，一定就是你！民族实现复兴指日可待，何愁大业不成。

    当然你可能要问，“深度学习理论”该去哪里学？

    你先学好基础好不好，学好了基础，你再去攀登科研高峰嘛！

    先把这些基础知识学了，下一步可以学习深度学习理论（如果你真想搞懂，而非仅是用用某个软件包，跑点软件包里的案例，然后把结果放在网上，装装大神。）

    当然你可能还要问，学好了以上我推荐的《机器学习理论》后到底算个啥水平？

    客观而言，算是顶级高校的本科大三、大四水平吧！一般国外高校的研一水平。

    不要灰心。必定世界很大，能人很多。

    如果你认为你未来的人生是星辰大海，那么第一步，你要做的是:

同时还要

  要学的东西很多，所以发展路径和学习路径最好不要错，这也是我写这个推文的目的。

    我写这个文章耽误了我两小时做科研，对我自己的福利是一种损耗，写推文也不计入高校科研考评，但是我觉得，作为高校老师，需要把正确的知识推广出去，让足够多的年轻人知道该知道的正确知识，这对我们这个国家是有利的。不管如何，看到这个文章的年轻人，一定会有一些收获的，所以写这个“口水型”文章对社会整体的福利是有那么一点提高的，不是完全是无用的。

    所以我还是决定写了这样一个文章，希望对你们年轻人有帮助。

    如果年轻人，你们觉得好！就请把文章转出去，让更多的年轻人知道（该如何规划你们大学的学习时间）。

    最后如果有对宏观经济学，尤其是结构型经济学研究感兴趣的同学，我可以推荐几本书。其实以前也推荐过。这是另外一个“世界”另外一个“平行宇宙”，虽然数学理论都那么相似。