人工智能第四星期总结-------选择困难思考

感觉生活就像是切开的柠檬一样---苦涩中夹着酸甜

       回望这星期学习的内容，从数据处理到算法研究，感觉就好像在喝lemon气泡水一样，闻着一股香甜的味道，喝却是苦涩中带有回味的酸甜。Pandas的数据处理：把数组分为带flag的多维处理一样，可以更改标签表示，列名表示和里面的元素。不过，在更改元素的时候要按照索引值来更改。说回来就好像是矩阵的计算一样，可以加、减、乘-----，还可以按照横着组合，或竖着组合。不过，最重要的还是在处理数据中，分箱、分组、和透视表的应用比较重要。分箱就好像是把你想要的数据装在多个大小一致的箱子里面，（把一个一位数组可以通过分箱变成二维数组），分组，就是把你想要的数据按照对应的行列提取出来，形成新的列表。而Matplotilbe和Seaborn的绘图基本类似，但是值得注意的是，Seaborn是Matplotilbe的补充而并非替代品。通过Sea born可以画出更加优美的图表，我想要多练习画图才能加深理解，方便后续的学习工作。

       机器学习是什么？很多人顾名思义地认为，就是智能机器人原理一样。机器通过自身的系统程序来学习，提高自身的数据处理能力。显然这是强智能化时代的产物，对于现状的弱智能时代来说实在想入菲菲的样子。机器智能化到底是人类的新时代还是在迎接‘终结者‘铺路呢？相信在未来的50年会得以验证。

       回到最神秘莫测的高等数学，我想应该就是机器人判定事物变化的计算公式吧！就好像给你一只大西瓜，光靠肉眼看可以大概判断是否是一个可口伶人的解暑神器，但是在购买西瓜的时候，我们会看一下西瓜的瓜蒂，依据干枯程度判定这货摘下来多久了。而后，把它抱起来凭我们的感觉判定西瓜密度（密度越高，含水量大，越新鲜），还是不满意的话，敲一敲，若果声音音特别清脆的话---不错。以上判断条件都往好的显示的话，基本可以判定奇为一个好瓜，而且是完美的瓜。但是，并不是说声音不清脆就是坏瓜，因为判定是否是一个好瓜是由各种因素影响的，各个因素的影响程度又不一样。我们常常会根据过去我们买西瓜的经验（真实数值），在大脑中形成一个可以计算出一个好西瓜的公式：回归方程，在众多真实（离散的数据）中，存在一定的误差，误差越小就越靠近真实值。而误差是服从正太分布的，所以通过判定误差值的分布可以调整训练数据集，这样就通过各种花哨的公式变换就会得到最佳的回归方程。通过整个最佳方程可以计算出最优的结果。

       所以，在现实生活中，影响我们做出选择最优答案的不是我们的智商有多高，运气有多好，或者是其它不可理喻的因素，而是我们的经验。在生活中积累各种各样的经验有助于当我们面临艰难选择的时候做出最优的选择，登上人生巅峰指日可待。

       最后，来个不知名总结：

 

比如，同样是一顿饭，有的人在乎的是好不好吃，合不合自己的胃口，油腻的咸的辣的胡吃海塞，而有的人在意的是营养是否全面，烹饪方式是否健康，喜欢清淡，拒绝高盐高糖高热量的食物。思维方式和价值观念的不同在一桌饭菜上就能立见分晓。前者把自己的口欲之欢放在第一位，追求的是即得利益，只是眼前的这一刻的尽兴。而后者则注重长远的健康和幸福。哪一种更高级更有责任心呢？（来源豆瓣）