机器学习工具吐槽大会：回归模型连p值都不输出，文档描述惨不忍睹 | 你也来吐一波

同学，你用过的那些机器学习工具/库，有没有什么让你绝望的地方？

不是我要问，是一个叫做@Train_Smart的网友，在Reddit论坛开帖发问了：

提问的同时，少年还举出自己的经历，抛了个砖：

Pandas里的稀疏矩阵 (sparse matrices) ，到scikit-learn里就不支持了。我弄了好几个小时才发现，sklearn会把稀疏矩阵inflate起来 (30Mb>>20Gb) ，还完全没有提示。

很快，直击灵魂的问题引发了强烈的共鸣，楼下的小伙伴们纷纷说起自己的伤痛。16小时便有130条回复，Reddit热度达到200点。

吐槽大会

槽点有不少，最先受到强烈轰炸的就是：

统计学功能太匮乏

名叫@timmaeus的网友说：

我是从统计学转到机器学习来的，常常很吃惊，因为Python库输出的并不是我期待/我需要的那些指标：比如回归模型，就不会输出系数、p值、置信区间这些东西。

楼下有人 (@AuspiciousApple) 提供了一个解释：

这可能和思维方式有关系，就好像statsmodels也不会有切分数据集 (train_test_split) 这种功能一样。确实很烦，我主要用sklearn，还得把statsmodels召唤出来，就为了那些最基本的统计学信息。

众人群起而附议，场面十分壮观：

开心，在sklearn和statsmodels之间跳来跳去的，不是我一个人。(@luhem007) 我从R过来的，也感觉在Python里面搞个回归表格怎么这么难。(@Bardy_Bard) 我也是先学的R，后来常常想问为什么会设计出numpy/pandas这样的产品。(@po-handz) 我也是从R来的，发现自己要先创建一波定制的库，才能高效地用好那些已经有的库。(@leogodin217)

文档太不走心

网友@colonel_farts说：

TensorFlow文档整体都很让人崩溃。

楼下有人 (@jalagl) 帮他扩大了打击面：

所有文档都算上吧。我用的是PyTorch，也有很多不够好的地方 (没用过TensorFlow，不知道哪个更差) 。

很快就有补刀侠 (@geodesic42) 赶到现场：

PyTorch文档比TensorFlow还烂。

既然都说文档烂，具体烂在哪？

大体可以总结出三条，第一是描述不清楚：

有些东西是真的很怪，而且一点也不直观。比如有的函数，名字本身已经很奇怪，描述还是“it does the thing”一句话的这种。(@swegmesterflex)

随之，大家开始不断地补充各种飘逸的描述：

“Applies the function to the input”(@trashacount12345) “把函数应用在输入上。” “Can be called.”(@trashacount12345) “可以被调用。”

另一个缺点是不给示例：

我小时候用TurboPascal 7编程，标准库里面每个函数都有示例，不是只有描述。 为啥PyTorch就不能给每个函数写个示例？(@visarga)

还有第三个缺点，加载慢：

你们不觉得PyTorch文档加载巨慢么？手机上都看不了，因为加载时间太久了。(@fckoch)

所以，软件公司什么时候才能感受到，不给清晰文档、不给示例的东西没法用，继而开发出既有好文档又有示例搭配的产品呢？

有人并不抱太大希望 (@inigoskimmer) ：

不会太快吧。今年还有个资深程序员跟我说，他没注释代码，因为代码很可能会改，加注释的话可能会误导别人。

写注释、写文档，原本就是开发者头疼的活动吧。

也有网友 (@real_kdbanman) 从另一个角度观察了这个问题：

请记得，所有主流库都是免费的，开源的！每个人都有责任把它们变好的。文档Pull Request真的很有帮助。

虽然，最初参与开发的人，对初始文档的质量负有责任。但如果后来的用户只在那里干等，也是不能期待文档自己变好。

机器学习这个领域，一直是背靠着高度开放的社区，才得到迅猛的发展。想让机器学习工具变得更好用，也要社区成员们一起努力才能实现吧。

不过，这也不是问题的全部：

同一个概念，不同的术语

上文只提到了“缺乏有效描述”的问题，却没有解释，用户为什么会需要详尽的描述，ML领域的沟通成本为什么这样高。

网友@luhem007是这样说的：

在统计和机器学习的社区里：同一个数学/统计概念能有无数个不同定义。这样交流起来就很困难，文档读起来也很困难。 好像不同的学科都发现了同一个规律，然后迅速给它起个名字占为己有，就跟插个旗子抢地盘一样。

楼下深有同感 (@seman_ticks) ：

我想起之前上过的两门课，一门是数学系的，另一门是计算机系的，本质上讲的东西都一样，就是命名体系不一样。 可以开个像“thesaurus”那样的同义词库了吧。

你怎么看？

在机器学习库/工具身上，网友们找到的缺陷数不胜数，本文难以一一覆盖。

阁下也有不吐不快的槽点么？或者有解决问题的方案建议么？

可以留言在评论区，也可以去Reddit参与一下吐槽盛会，有益身心健康。

Reddit讨论区： https://www.reddit.com/r/MachineLearning/comments/eftv1o/d_what_frustrates_you_about_ml_tools_libraries/

— 完 —