avatar
svm/svr还是不错的# Programming - 葵花宝典
g*s
1
看我老板最近很忙,不改文章,连信都很少发
我是工程领域的
avatar
t*f
2
公司是去年10月1号H1生效之前就挂了,但是根据版上文章及咨询律师,这个名额应该
是占上了。
后来10月初转成F1直到现在。
现在跟一个公司谈H1问题,公司原来是说只办transfer,不办新申请的,因此我最初说
的是transfer。公司律师说一般H1失效后90天之内找到新工作,基本上还可以办
transfer不用出境。但像我这样时间太久的,要出境激活。
根据版上文章,我的理解是我从H1->F1都是合法的,现在F1也很正常,如果公司帮我重
新申H1,不是transfer,但也 “不” 占新名额(而且名额已经用光了),也不存在必
须出境的问题。我现在重新申请,跟transfer的唯一区别是必须等到 approval notice
才能上班。
律师的说法是HR转告我的,还没有机会跟律师直接通话。想请大家确认一下我的理解是
正确的,然后跟律师讲清楚我是H1->F1->H1,这样她就该明白了吧?实在不想出境。
给不给offer基本上取决于H1问题了,恳请帮忙。顺问一下最近有没申H1(无论是H1
transfer/H1->F1->H1)的同学,取得LCA需要多少时间?拿到approval no
avatar
E*r
3
吕祖就是八仙过海传说中的吕洞宾,在道教史上,吕祖被尊为全真派“北五祖”之一,
他的传人是位列“北五祖”之末的王重阳,王重阳因武侠小说而如雷贯耳,他有七个徒
弟,号称全真七子,七子中丘处机名声最显赫,他是后世流传最广的道家龙门派的创始
人。金庸也是道家弟子,我记得上大学后第一次去图书馆,共借了四本书,其中一本是
金庸著的《气功入门》,书中传授的是道家的基本功,金庸在小说中对内功的描写中规
中矩,可知金庸有不凡的内功知识。
我上中学时开始练武功,一方面是因为看武侠小说着迷;另一方面是命柱中有华盖,天
生喜欢神秘事物。我练过铁布衫和红砂手这等旁门功夫,后来专心修习道家经典,竟然
无师自通,内功有成,体内真气鼓荡,心意一起,指尖趾端即有感应,练武事半功倍,
内功之于我,有脱胎换骨之效。如果把修练内功比作在黑暗中行船,《吕祖百字碑》就
是指航的灯塔,然而现有的注释或是语焉不详,或是晦涩难懂,有违吕祖点化世人的初
衷,我试着用直白的语言来解释,还望得道仙人一笑置之。
头四句二十个字是“养气忘言守,降心为不为。动静知宗祖,无事更寻谁?”,解释是
:聚气过程中不能张嘴说话,心里不能想事,意念要虚空,当心思动荡,杂念丛生时,
要屡起屡断,降服自我;在呼吸之际,丹田中阴阳转换,气机发动,这是练功的根本,
要把握这个状态,保持心气平和。修练道家内功讲究三调,即调身、调息、调心,上面
这四句讲的是调心,能好这四句话,则平时心气平和,对自己的内心有更深入的了解,
对世事的认识也更深刻,正是所谓自度度人,自觉觉他。
接下来六句三十个字是“真常须应物,应物要不迷,不迷性自住,性住气自回。气回丹
自结,壶中配坎离。”,解释是:意念要存想体内,一般是在丹田,存想不能太执著,
要若即若离,随呼吸转换意念要有张弛,真气才能沿任脉下降,在丹田里聚集,气感越
来越强,出现有质有形的丹,此时水火相济,阴阳相合,丹田中气才能满。这六句讲的
是聚气的过程,在真气下降时,所到之处经络开通,胸腹间的病症、沉疴一并消除,从
承浆到会阴真气通畅,手三阴经和足三阴经通畅,手臂和腿上的伤可以通过运气治疗。
再下面六句三十个字是“阴阳生返复,普化一声雷,白云朝顶上,甘露洒须弥,自饮长
生酒,逍遥谁得知。”,解释是:丹田内阴阳转变,忽冷忽热,真气向下经过会阴、尾
闾进入督脉,冲过命门和夹脊,伴随着一声惊雷,冲开玉枕,直上百汇,真气沿任脉和
脸侧降下重楼,此时心意舒畅,如饮甘露,口中生津,时时吞咽,这就是长生之酒,这
种感觉妙不可言。这六句讲的是打通小周天的过程,至此督脉完全打通,腰肾部位和脊
椎上的病症和沉疴会一并消除,手三阳经和足三阳经部分通畅,带脉也会很快贯通。
最后四句二十个字是“坐听无弦曲,明通造化机,都来二十句,端的上天梯。”,解释
是:功夫到此,心窍开朗,智慧通达,端坐不动而听人间和自然界的声音,洞悉人情世
故,了然自然规律和自然变化,总共二十句一百个字,概括了道家的筑基功夫,的确是
登天成仙的必由之路。这四句描述由人到地仙的转变,此时心平气和,真气流转,身轻
体键,气到病除伤愈,人的原始感观能力部分恢复,可以感受生物的心灵,预知天气等
自然界的变化。
在金庸的小说《碧血剑》中,金蛇郎君死在山洞里,他的遗骨旁的石壁上刻着“重宝秘
术,付与有缘,入我门来,遇祸莫怨。”修练内功有得有失,吉凶难辨,《百字碑》中
所述的是得道成仙的筑基功夫,及此境界,人生将永远改变,不能回头,不免会有惆怅
,好像一个双胞胎兄弟,形影不离二十年,从此渐行渐远,参商永隔。练功秘诀自古秘
密传承,只是在近代才逐渐公开,得益于科学昌明和武功衰落,然而其中许多细微之处
,仍需明师的指导,否则可能误入歧途,甚至走火入魔,本文不含练功法门,不能对修
练起指导作用,勿谓言之不预也。
吕祖百字碑
养气忘言守
降心为不为
动静知宗祖
无事更寻谁
真常须应物
应物要不迷
不迷性自住
性住气自回
气回丹自结
壶中配坎离
阴阳生反复
普化一声雷
白云朝顶上
甘露洒须弥
自饮长生酒
逍遥谁得知
坐听无弦曲
明通造化机
都来二十句
端的上天梯
avatar
c*x
4
优点是快,开机快,待机也快。不过上网倒不觉得快。系统很简单,就是一个浏览器。
缺点就是太简单
了,除了上网也做不了什么。外观设计有点像苹果,手感还不错,挺结实。一大亮点是
电池时间很长。
avatar
s*y
5
最终决定买个电子书阅读器了
但是市面上东西实在是太多,单什么pad的就是一堆。但是这些pad的电池续航能力都是
deal killer (我觉得),10个小时真觉得是不够。
其它的如kindle,nook(努克最近又出了color,那个color的还是e-ink吗?),另外国
内也有不少阅读器。
这里请大家帮我扫扫盲吧,推荐一下什么更适合我。
其实我的要求很简单,就是想读读书,看看报之类的;书的来源有买的,也有更多的是
网上下载的标准格式,或者是pdf,等等,但是对中文的支持一定要好。
这里先谢过~~
avatar
L*8
6
最近做一个东西
知道feature是啥
svr效果很好 比 MLP 好
有人做过吧svm为nn的最后一层 不知道有没有人用tensorflow实现一把
avatar
t*d
7
这个。。。可能他最近打游戏在通关。
avatar
D*r
8
你真的会武功么?
avatar
n*n
9
羡慕

【在 c******x 的大作中提到】
: 优点是快,开机快,待机也快。不过上网倒不觉得快。系统很简单,就是一个浏览器。
: 缺点就是太简单
: 了,除了上网也做不了什么。外观设计有点像苹果,手感还不错,挺结实。一大亮点是
: 电池时间很长。

avatar
a*e
10
kindle

【在 s********y 的大作中提到】
: 最终决定买个电子书阅读器了
: 但是市面上东西实在是太多,单什么pad的就是一堆。但是这些pad的电池续航能力都是
: deal killer (我觉得),10个小时真觉得是不够。
: 其它的如kindle,nook(努克最近又出了color,那个color的还是e-ink吗?),另外国
: 内也有不少阅读器。
: 这里请大家帮我扫扫盲吧,推荐一下什么更适合我。
: 其实我的要求很简单,就是想读读书,看看报之类的;书的来源有买的,也有更多的是
: 网上下载的标准格式,或者是pdf,等等,但是对中文的支持一定要好。
: 这里先谢过~~

avatar
W*o
11
听起来有点像adaboost,把弱classifier 联合起来一起用

【在 L****8 的大作中提到】
: 最近做一个东西
: 知道feature是啥
: svr效果很好 比 MLP 好
: 有人做过吧svm为nn的最后一层 不知道有没有人用tensorflow实现一把

avatar
n*l
12
最近什么游戏比较流行?

【在 t**********d 的大作中提到】
: 这个。。。可能他最近打游戏在通关。
avatar
d*r
13
我认为这个不是练武功的,是道家练内丹的。
avatar
n*n
14
羡慕ing

【在 c******x 的大作中提到】
: 优点是快,开机快,待机也快。不过上网倒不觉得快。系统很简单,就是一个浏览器。
: 缺点就是太简单
: 了,除了上网也做不了什么。外观设计有点像苹果,手感还不错,挺结实。一大亮点是
: 电池时间很长。

avatar
s*y
15
赞干净利落

【在 a*****e 的大作中提到】
: kindle
avatar
w*g
16
90年代neural network就是在feature分类上被svm打得抬不起头。
deep learning的优势是feature extraction。如果已经有feature了,
几年前是svm, 现在无脑上xgboost。
deep learning虽然牛x,也还是有应用范围的。
这个实在是老生常谈了。
svm作为nn最后一层google "max margin loss tensorflow",用得好
回来汇报一下。

【在 L****8 的大作中提到】
: 最近做一个东西
: 知道feature是啥
: svr效果很好 比 MLP 好
: 有人做过吧svm为nn的最后一层 不知道有没有人用tensorflow实现一把

avatar
d*u
17
就是一个只装浏览器的本本而已.
装B装成这样,也是极贫了。

【在 c******x 的大作中提到】
: 优点是快,开机快,待机也快。不过上网倒不觉得快。系统很简单,就是一个浏览器。
: 缺点就是太简单
: 了,除了上网也做不了什么。外观设计有点像苹果,手感还不错,挺结实。一大亮点是
: 电池时间很长。

avatar
g*g
18
nook新出的是nook touch,是eink的
去年出的nook color不是

【在 s********y 的大作中提到】
: 最终决定买个电子书阅读器了
: 但是市面上东西实在是太多,单什么pad的就是一堆。但是这些pad的电池续航能力都是
: deal killer (我觉得),10个小时真觉得是不够。
: 其它的如kindle,nook(努克最近又出了color,那个color的还是e-ink吗?),另外国
: 内也有不少阅读器。
: 这里请大家帮我扫扫盲吧,推荐一下什么更适合我。
: 其实我的要求很简单,就是想读读书,看看报之类的;书的来源有买的,也有更多的是
: 网上下载的标准格式,或者是pdf,等等,但是对中文的支持一定要好。
: 这里先谢过~~

avatar
n*7
19
所以feature extration不是问题的领域DL就没啥帮助了?

【在 w***g 的大作中提到】
: 90年代neural network就是在feature分类上被svm打得抬不起头。
: deep learning的优势是feature extraction。如果已经有feature了,
: 几年前是svm, 现在无脑上xgboost。
: deep learning虽然牛x,也还是有应用范围的。
: 这个实在是老生常谈了。
: svm作为nn最后一层google "max margin loss tensorflow",用得好
: 回来汇报一下。

avatar
L*8
20
按你这么说
我先用cnn训练 比如图像识别
然后把cnn最后一层或者两层去掉 然后接上xgboost 效果就会更好?

【在 w***g 的大作中提到】
: 90年代neural network就是在feature分类上被svm打得抬不起头。
: deep learning的优势是feature extraction。如果已经有feature了,
: 几年前是svm, 现在无脑上xgboost。
: deep learning虽然牛x,也还是有应用范围的。
: 这个实在是老生常谈了。
: svm作为nn最后一层google "max margin loss tensorflow",用得好
: 回来汇报一下。

avatar
L*8
21
xgb.XGBRegressor(max_depth=100, n_estimators=100)
挑了很多参数 max_depth n_estimators
还是不如svr

【在 w***g 的大作中提到】
: 90年代neural network就是在feature分类上被svm打得抬不起头。
: deep learning的优势是feature extraction。如果已经有feature了,
: 几年前是svm, 现在无脑上xgboost。
: deep learning虽然牛x,也还是有应用范围的。
: 这个实在是老生常谈了。
: svm作为nn最后一层google "max margin loss tensorflow",用得好
: 回来汇报一下。

avatar
w*g
22
max_depth从2往上调,一般不应该到10。
这个depth会自适应地长,你可能会发现max_depth=50或者100没有区别,因为
自动长可能也就长到几或者十几,max_depth没发挥作用。
如果样本少维度大,SVR还是可能有优势的。support vector破的就是overfitting,
而XGB的缺点正是overfitting。不过这都是理论。实战时发生短板吊打强项也不奇怪。
我印象中xgboost背后好像没啥像样的理论,感觉就是乱拳打死老拳师。

【在 L****8 的大作中提到】
: xgb.XGBRegressor(max_depth=100, n_estimators=100)
: 挑了很多参数 max_depth n_estimators
: 还是不如svr

avatar
L*8
23
我又实验了一下random forest 不如 xgboost
都是10-fold cv

【在 w***g 的大作中提到】
: max_depth从2往上调,一般不应该到10。
: 这个depth会自适应地长,你可能会发现max_depth=50或者100没有区别,因为
: 自动长可能也就长到几或者十几,max_depth没发挥作用。
: 如果样本少维度大,SVR还是可能有优势的。support vector破的就是overfitting,
: 而XGB的缺点正是overfitting。不过这都是理论。实战时发生短板吊打强项也不奇怪。
: 我印象中xgboost背后好像没啥像样的理论,感觉就是乱拳打死老拳师。

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。