ylxn

摘要： 论不快乐 论快乐 阅读全文

摘要： 一、章节 二、笔记 1 叙述的邀请 回答了“然后呢？”，你就是讲故事的人。 对真相与真理有毫不动摇的献身精神。 整理故事，讲故事，写故事要讲究速率。 深入私生活 叙事性作品的想法 这个故事要讲什么？ who? what?why?where? 采访时，存在于他们的生活方式之中（不去饭馆去采访人）。 2 阅读全文

摘要： 一、各部分介绍 二、学习要求 各主流算法可以默写。然后证明可以写出来为止 先学习对应方法，简单思考后。不要一直对不熟悉的算法自己去思考，先去了解，熟练，再应用 对于递归的方法练习一下翻译，即用非递归形式写 已经学过的算法，快速写，然后理解，然后背，节约时间。 1 其他算法： 1 快速排序 一般把起始 阅读全文

摘要： 一、内容结构图 二、笔记 谈判的三个关键杠杆 架构之力 流程之力 同理心之力 谈判中要回答的无非是：我们应该怎么跟人类打交道，从而能增进相互理解，进而达成协议。关键是互动。 帮助对方让步的重要性。在谈判初期，教育你所能提供的界限是什么，以及在什么领域你多多少少能灵活对待，算是一个很好的做法。 错误的 阅读全文

摘要： 一、内容梳理 二、笔记 所以情节到底是什么 LOCK(Lead, Objective, Confrontation, Knockout)系统。 主线情节主角只有一个 目标通常分为两部分，想取得某样事物，想逃离某样事务 情节冲突 冲击结尾。 角色、背景、对话这三个调味料。给角色添加一些风味，给角色新的 阅读全文

摘要： 一、背景 在某些场景下我们要判断一个事件能存活多久，这时候我们就需要使用生存分析相关的方法。例如，一些实验中小白鼠在某个时间段的生存概率；或者在日常的打车场景中，一个乘客呼叫了订单，这个订单在等待时间段中的存活概率。 二、风险函数、生存函数与删失数据 假设一个乘客发了一个打车订单，那么在不同时间点被 阅读全文

摘要： 一、XGBoost算法的原理 1 最终模型形式： XGBoost和GBDT、AdaBoost使用的最终模型形式相同，其中m为第m轮得到的弱模型： $$y_{x}=\sum_{m}^{M}\hat{f}_{m}(x)$$ 2 目标函数 $$L^{(m)}=\sum_{i}^{N}l(y_{i},\ha 阅读全文

摘要： 一、简介 GBDT为梯度提升树，是提升树的一种改进形式。 二、算法原理 （1）初始化弱模型 $$f_{0}(x_{i})=arg\min_{c}\sum_{i=1}^{N}L(y_{i},c)$$ （2）在第m轮模型的计算中 （a）对每个样本i，计算负梯度 $$r_{im}=-\frac{\part 阅读全文

摘要： 摘自李航的《统计学习方法》 一、简介 提升算法（Boosting）是一种常用的统计学习方法。在解决分类或者回归问题当中，通过训练可以得到许多若模型，可以对这些若模型进行线性组合从而得到一个更可靠的模型，从而提升模型的准确率或者精度，这就是Boosting算法。 对于弱分类器的产生以及强分类器的组合， 阅读全文

摘要： 一、内容梳理 二、笔记 最小化误差： 切比雪夫准则 极小化绝对偏差之和 最小二乘准则 蒙特卡洛模拟法： 估计曲线下面积：在一个矩形内，过矩形两边画一条曲线，求曲线下的面积 $\frac{S_{curve}}{S_{rectangle}}=\frac{Point_{curve}}{Point_{rec 阅读全文