12 2018 档案
摘要:作者:王蘑菇 看到这么多人黑生物,我觉得不能再沉默了。很多人把自己个人的无能嫁祸给了生物,实在是生物的悲哀,也是时代的悲哀。 评论一个事物,我们要先了解这个事物。生物,本就是属于未来的伟大学科。关于现在,生物根本不放在眼里。很早以前我们就知道,21世纪是生物的世纪。现在我们知道,22世纪是生物的世纪
阅读全文
摘要:作者:匿名作者 喝茶归来,更新如下: 在2018年,清华大学成为了全国排名第一的世界一流大学,人们对清华二字的恐惧根深蒂固,不敢谈论他,甚至不敢说出他的名字,于是以“神秘大学”称之。 利益相关:神秘大学生命科学学院201X届毕业生,已转行,劝退党徒,匿名。如果你猜出来了我是谁,我恳求你保持沉默。 本
阅读全文
摘要:作者:匿名作者 经济瞎预测,哲学形而上。历史纯扯淡,法学难进阶。 社工没前途,教育要下乡。体育伤病多,文学拼天赋。 新闻狗仔队,语言孔乙己。外语没处讲,艺术难养家。 数理要转行,生化是天坑。地理画地图,天文占星术。 地球物理学,天天锄大地。大气科学系,也就报天气。 海洋钓钓鱼,农业种种地。力学玩滑轮
阅读全文
摘要:作者:一位脱坑十年的长者 在象棋的江湖残局中,有一个名词叫做“摘帽”,用来表示先手一方破解了后手方的一步攻杀,局势趋于一种表面上的缓和。摘帽之后先手方虽然没有燃眉之急,但如果残局功力不足,仍然会一招不慎满盘皆输。 脱坑如摘帽。脱坑只是真正职业生涯的开始,未来的发展仍然充满着不确定性。我写这篇短文主要
阅读全文
摘要:作者:匿名作者 说明:上篇《老实人的归国与失身》获得了超过预想的关注,文中虽声明“本故事纯属虚构”但实际上真实情况和艺术加工大约各占一半。上篇文章想表现的主题可能并不十分清楚,不同人看到的东西会有极大不同。因此在今天这篇文章中我将详细讲一下这些年来发生的事情以及自己的一些思考,本文句句事实,不说一句
阅读全文
摘要:作者:匿名作者 声明:故事情节均为虚构,请勿对号入座。如有雷同,纯属巧合。本文作者不认同文中部分行为,读者切勿模仿。 2008年8月,在东部某沿海高考大省的省会城市,两位15岁男生小西和小东进入了同一所高中并做了室友。这所高中位于城市的郊区,周围就是农田,左边钢铁厂右边化肥厂,每天早上这所高中的学生
阅读全文
摘要:作者:弗兰克扬 读博士期间的师妹在我们组的QQ群里发了消息,自己的宝宝出生了,母子平安。那个群里只有学生,没有导师和博后工作人员,大家纷纷表示祝福,走到这一步不容易。 而我仿佛又看到了几年前,瘦弱的师妹冬天在没有暖气的实验室里穿着一件单衣披着白大褂,带着防毒面具边咳嗽边做酰卤的身影,那一年冬天,她似
阅读全文
摘要:作者:半途叙说 2013年的盛夏,我的研究生读得索然无味,课题进展缓慢,已经达到毕业条件,可是离再进一步,还差那么一点点,此时的心已满是颓废,全然忘记了2011年刚入学时发誓要搞一个大新闻的豪言壮语,每天躺在学校边租来的小屋的床上,无所事事。 心里想着老板说的,还可以再尝试一次的合成路线,但是想想做
阅读全文
摘要:作者:弗兰克扬 1.今天在网上和一个在传统制造业企业工作的师弟聊天,听他向我抱怨说,快过年了,准备用平时每周末都加班换来的轮休时间和春节连起来,可以早点回家,写好了休假申请,看着表准时打开12306,正准备开始抢票了,却突然被人力资源部门告知,“领导说了不准连着节假日轮休”,但是轮休机会过了年就作废
阅读全文
摘要:作者:弗兰克扬 我第一次想写化学和材料类的话题,纯粹是出于一个好奇点。 那就是,在2015年的时候,街头大妈都知道生物(包括动物,植物,农学)是一个坑爹的专业,不能学了,但是出国拿奖学金容易。 为什么,对于化学,尤其是材料这个专业,还普遍有那么深的误解呢? 其实,在就业的惨状和出国拿奖学金的容易程度
阅读全文
摘要:作者:罗多克神射手 往外看都是穷光蛋,往里看都是贪污犯:到底谁是精致的利己主义者?谁在贼喊捉贼? 提示:如果想更快地了解本文的核心思想,可以只看粗体部分。 前言 常言道:“男怕入错行,女怕嫁错郎。”一次考试的超常不值得过分庆幸,一次考试的失误不值得过多自责,将来的努力程度会冲淡这一切。但可怕的是选择
阅读全文
摘要:作者:到处挖坑蒋玉成 《劝退学导论》前言 众所周知,知乎上的劝退化环材生,乃至一些传统工科的风气最近两年愈演愈烈——这是历史的行程所带来的必然结果之一。 然而,尽管我本人也算是劝退界的老油条(大佬不敢当),但在这两年的时间里,我不止一次地看到各种各样的激寒言论——既包括“X小将”们过于丑恶的洗地,也
阅读全文
摘要:作者:弗兰克扬 十几年前我还在玩论坛的时候,我们作为有管理权限的小版主都知道,一个优秀的经验交流社区最重要的一个帖子就是FAQ,这个帖子被置顶放在一个版面的最上面是一种无声的宣告,新来者若想在本版进行深入有效有趣的交流,请首先进来学习FAQ,不要问重复的问题,不要做无脑伸手党。但是这些年我渐渐发现,
阅读全文
摘要:二十一、统计学 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 贝塞尔校正 贝塞尔的校正是我们在样本方差和样本标准差的计算中使用 n − 1 n-1 n−1 而不是 n n n 的原因。 样本方差: $ s^2 = \frac {1}{n-1} \sum_{i=1}^
阅读全文
摘要:二十、数据可视化 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 MatPlotLib 中的双向条形图 %matplotlib inline import pandas as pd import matplotlib.pyplot as plt import nump
阅读全文
摘要:十八、Keras 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 添加丢弃 # 加载库 import numpy as np from keras.datasets import imdb from keras.preprocessing.text import To
阅读全文
摘要:十七、聚类 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 凝聚聚类 # 加载库 from sklearn import datasets from sklearn.preprocessing import StandardScaler from sklearn.cl
阅读全文
摘要:十六、朴素贝叶斯 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 伯努利朴素贝叶斯 伯努利朴素贝叶斯分类器假设我们的所有特征都是二元的,它们仅有两个值(例如,已经是独热编码的标称分类特征)。 # 加载库 import numpy as np from sklearn.
阅读全文
摘要:十五、支持向量机 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 校准 SVC 中的预测概率 SVC 使用超平面来创建决策区域,不会自然输出观察是某一类成员的概率估计。 但是,我们实际上可以通过一些技巧输出校准的类概率。 在 SVC 中,可以使用 Platt 缩放,其
阅读全文
摘要:十四、K 最近邻 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 确定 K 的最佳值 # 加载库 from sklearn.neighbors import KNeighborsClassifier from sklearn import datasets from
阅读全文
摘要:十一、线性回归 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 添加交互项 # 加载库 from sklearn.linear_model import LinearRegression from sklearn.datasets import load_boston
阅读全文
摘要:十、模型选择 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 在模型选择期间寻找最佳预处理步骤 在进行模型选择时,我们必须小心正确处理预处理。 首先,GridSearchCV使用交叉验证来确定哪个模型表现最好。 然而,在交叉验证中,我们假装作为测试集被留出的一折是不可
阅读全文
摘要:十三、树和森林 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 Adaboost 分类器 # 加载库 from sklearn.ensemble import AdaBoostClassifier from sklearn import datasets # 加载数据
阅读全文
摘要:十二、逻辑回归 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 C 超参数快速调优 有时,学习算法的特征使我们能够比蛮力或随机模型搜索方法更快地搜索最佳超参数。 scikit-learn 的LogisticRegressionCV方法包含一个参数C。 如果提供了一个列
阅读全文
摘要:【主页】 apachecn.org【Github】@ApacheCN暂时下线: 社区暂时下线: cwiki 知识库自媒体平台 微博:@ApacheCN知乎:@ApacheCNCSDN简书OSChina博客园 我们不是 Apache 的官方组织/机构/团体,只是 Apache 技术栈(以及 AI)的爱
阅读全文
摘要:九、模型验证 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 准确率 # 加载库 from sklearn.model_selection import cross_val_score from sklearn.linear_model import Logistic
阅读全文
摘要:八、特征选择 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 用于特征选取的 ANOVA F 值 如果特征是类别的,计算每个特征与目标向量之间的卡方( χ 2 \chi^{2} χ2)统计量。 但是,如果特征是定量的,则计算每个特征与目标向量之间的 ANOVA F 值
阅读全文
摘要:七、特征工程 作者:Chris Albon 译者:飞龙 协议:CC BY-NC-SA 4.0 稀疏特征矩阵上的降维 # 加载库 from sklearn.preprocessing import StandardScaler from sklearn.decomposition import Tru
阅读全文
摘要:5.1 循环神经网络(时间序列) 循环神经网络(RNN)用于建模带有时间关系的数据。它的架构是这样的。 在最基本的 RNN 中,单元(方框)中的操作和全连接层没什么区别,都是线性变换和激活。它完全可以看做多个全连接层的横向扩展。 但是操作数量多了之后,就会有梯度消失和爆炸的问题,于是人们改良了 RN
阅读全文
摘要:4.2 多层感知机回归(时间序列) 这篇教程中,我们使用多层感知机来预测时间序列,这是回归问题。 操作步骤 导入所需的包。 import tensorflow as tf import numpy as np import pandas as pd import matplotlib as mpl
阅读全文
摘要:4.1 多层感知机(分类) 这篇文章开始就是深度学习了。多层感知机的架构是这样: 输入层除了提供数据之外,不干任何事情。隐层和输出层的每个节点都计算一次线性变换,并应用非线性激活函数。隐层的激活函数是压缩性质的函数。输出层的激活函数取决于标签的取值范围。 其本质上相当于广义线性回归模型的集成。 操作
阅读全文
摘要:原文:Embeddings 译者:飞龙 协议:CC BY-NC-SA 4.0 P.S… 本课程仍处于测试阶段,因此我很乐意收到你的反馈意见。 如果你有时间填写本课程的超短期调查,我将非常感激。 你也可以在下面的评论中或在学习论坛上留下公开反馈。 一、嵌入层 欢迎阅读嵌入主题的第一课。 在本课程中,我
阅读全文
摘要:遇到非线性可分的数据集时,我们需要使用核方法,但为了使用核方法,我们需要返回到拉格朗日对偶的推导过程,不能简单地使用 Hinge 损失。 操作步骤 导入所需的包。 import tensorflow as tf import numpy as np import matplotlib as mpl
阅读全文