Redian新闻
>
出一个machine learning classification的题目
avatar
出一个machine learning classification的题目# Programming - 葵花宝典
Y*u
1
☆─────────────────────────────────────☆
SeeU (See you) 于 (Sun Jul 24 12:16:30 2011, 美东) 提到:
鉴于本版也有基督徒来,略述如下∶
1. 爱人如己。佛法有慈心无量。
2. 摩西十诫中的不杀、不盗、不邪淫,是佛法五戒中的三项。
3. 重视信仰使心安,产生力量。佛法的三十七菩提分中,有信根、信力。三十七菩提
分还以慧根、慧力,平衡信力,增长信力。
4. 相信有来生。佛法说不只有来生,还有过去生。
5. 相信正义,善有善报,恶有恶报。佛法说业报是自然法则。
欢迎补充。
对基督教教义的批评,基版很多,本帖不提。本帖只谈教义,谈基督徒的表现如何就离
题了。
这些优点,没有信仰的人也可能有 1, 2。不过 3 也许有困难。信唯物,人死如灯灭,
如何心安面对死亡?对于 5,相信天道、自然神,人本主义,也可以相信有正义。
我说的「佛法」,指原始佛教经典,学术界公认为佛陀所说。
☆─────────────────────────────────────☆
grant (养心堂主) 于 (Sun Jul 24 14:14:19 2011, 美东) 提到:
此等比较意义不大,其他宗教或派别比较起来也大抵如此。
若要做比较,法轮功之流还比基督教更接近佛教。
然而他们毕竟都不符合佛法的三法印,与佛法有根本的区别。
你的结尾部分还是不忘贩卖私货啊。
☆─────────────────────────────────────☆
Godwithus (神与我们同在) 于 (Sun Jul 24 15:02:36 2011, 美东) 提到:
佛陀是谁啊
☆─────────────────────────────────────☆
grant (养心堂主) 于 (Sun Jul 24 15:05:40 2011, 美东) 提到:
没想到火星上也有基督教啊。
☆─────────────────────────────────────☆
Godwithus (神与我们同在) 于 (Sun Jul 24 15:10:21 2011, 美东) 提到:
上帝的爱长阔高深
哈哈哈
☆─────────────────────────────────────☆
SeeU (See you) 于 (Sun Jul 24 16:04:38 2011, 美东) 提到:
断灭唯物论与有信仰的就不同。
外道都不符合佛法的三法印,这点同意。会不会用三法印来判断自己知见是否符合佛法,要有慧根。慧根从亲近善知识,听闻正法,如理思惟而增长。这才能避免以非法为法、法为非法的过失。
阿含经等原始佛教经典,学术界公认为佛陀所说。其实南北传都公认。你知道哪位佛教大德否认阿含是佛说吗?
☆─────────────────────────────────────☆
Ezekiel (W.K.LDS 第一先知) 于 (Sun Jul 24 19:36:25 2011, 美东) 提到:
基版此刻正在"爱人如己"呢, 去看看吧. LOL
☆─────────────────────────────────────☆
grant (养心堂主) 于 (Sun Jul 24 21:55:22 2011, 美东) 提到:
你显然误会我说的了。阿含是佛教的经典,这个毫无疑问。我说的是有的人拿南传/阿
含当武器,打着南传/阿含的旗,贩卖否定大乘的货。
☆─────────────────────────────────────☆
Godwithus (神与我们同在) 于 (Sun Jul 24 22:07:22 2011, 美东) 提到:
阿含是小乘的么?
☆─────────────────────────────────────☆
SeeU (See you) 于 (Sun Jul 24 22:07:59 2011, 美东) 提到:
南传本来就不承认大乘经。大乘非佛说的主张, 自古就有。
我批评的是神我见。佛陀反对神我见,你总知道吧。你能引经说明白什么是神我见嘛?
☆─────────────────────────────────────☆
SeeU (See you) 于 (Sun Jul 24 22:14:11 2011, 美东) 提到:
阿含经是原始佛教,佛教经典第一次结集出来的。
学术界现在很少用「小乘」一词。It shows you are unprofessional, if not
ignorant.
☆─────────────────────────────────────☆
Godwithus (神与我们同在) 于 (Sun Jul 24 22:17:56 2011, 美东) 提到:
我只是了解一下常识,还学术界,只要脱离了民间迷信就好了
目前没有太高的奢求
按照你的说法观音菩萨让唐僧去取经取的岂不是伪经了?
☆─────────────────────────────────────☆
JeanIris (Iris) 于 (Sun Jul 24 22:23:20 2011, 美东) 提到:
晕!
☆─────────────────────────────────────☆
SeeU (See you) 于 (Sun Jul 24 22:37:06 2011, 美东) 提到:
唐玄奘取回来的经,也包括说一切有部对阿含经的解释,如两百卷的大毗婆沙论等。唐玄奘西行求法,最主要的是要学瑜伽师地论。占瑜伽师地论约1/3的声闻地,是对阿含经的解释,而摄事分与摄异门分,是对阿含经的逐经解释与名相整理。所以还是很有收获的。这些是现在南北传br />
教研究的重要材料。
早期结集佛经,判定是否伪经,是以是否符合最早结集的阿含经作标准。大乘经中虽有伪经(藏经立疑伪部),符合阿含经的也不少。而在中国流行的楞严经,在印度无人听过,虽然内容荒谬处不少,被论证是伪经,汉传还是有人坚信不移是佛说。
avatar
c*t
2
都退给hp了?
avatar
k*z
3
自己想的
比方我人为产生一个数据
有10000个sample, 100个变量X1,X2,,,X100
sample分成5个classes, 是根据其中10个变量的的方程值的分布分成5分
比方说一个简单的方程
Y=X1+X6*X20/X30-X38+10*X44^2+X55/X66-10X77+x88
当然我不会告诉你,现在的ML算法能搞清楚这个classification吗?
avatar
b*w
4
蛋还在原价卖,服了

【在 c****t 的大作中提到】
: 都退给hp了?
avatar
l*n
5
你这种方程的分类,只要不是重叠太多,结果可以很精确

【在 k****z 的大作中提到】
: 自己想的
: 比方我人为产生一个数据
: 有10000个sample, 100个变量X1,X2,,,X100
: sample分成5个classes, 是根据其中10个变量的的方程值的分布分成5分
: 比方说一个简单的方程
: Y=X1+X6*X20/X30-X38+10*X44^2+X55/X66-10X77+x88
: 当然我不会告诉你,现在的ML算法能搞清楚这个classification吗?

avatar
m*d
6
主要怕server受不了,干脆等着

【在 c****t 的大作中提到】
: 都退给hp了?
avatar
k*z
7
我不会告诉你方程的
什么算法可以搞定?

【在 l******n 的大作中提到】
: 你这种方程的分类,只要不是重叠太多,结果可以很精确
avatar
k*z
8
重叠在产生数据的时候可以人为的的从数据中减少

【在 l******n 的大作中提到】
: 你这种方程的分类,只要不是重叠太多,结果可以很精确
avatar
M*0
9
单纯的做分类 就像楼上大牛所说 准确度可以训练的很高
但是要想逼近真实分布 就要用GAN或者VAE了 10k数据太小了 而且结果如何是未知的

【在 k****z 的大作中提到】
: 重叠在产生数据的时候可以人为的的从数据中减少
avatar
k*z
10
都是大牛
要学习学习

【在 M********0 的大作中提到】
: 单纯的做分类 就像楼上大牛所说 准确度可以训练的很高
: 但是要想逼近真实分布 就要用GAN或者VAE了 10k数据太小了 而且结果如何是未知的

avatar
k*z
11
我想这个是因为现实中可能有这样的数据,人类收集的数据和最后想观测的之间的关系
可能错综复杂,比这个方程复杂的多,比方生物数据和疾病表型关系,如果ML能搞清楚
这个,确实很有用
avatar
g*t
12
他这个方程有问题。问题本身可以是not detectable的。
就是说不同的变量组合,可以产生完全一样的观测量。所以你从观测量无法决定驱动变
量的值。
例如X6*X20/X30 这里的三个数从y的测量值是无法区分的。


: 你这种方程的分类,只要不是重叠太多,结果可以很精确



【在 l******n 的大作中提到】
: 你这种方程的分类,只要不是重叠太多,结果可以很精确
avatar
g*t
13
你们把问题想的太简单了。假如他给你的是股市数据。你赚个钱实验下。例如把把股票
分成涨跌两类实验下。
首先要测算他的数据质量。还有数据产生的原理(不精确不要紧)。


: 单纯的做分类 就像楼上大牛所说 准确度可以训练的很高

: 但是要想逼近真实分布 就要用GAN或者VAE了 10k数据太小了 而且结果如
何是未
知的



【在 M********0 的大作中提到】
: 单纯的做分类 就像楼上大牛所说 准确度可以训练的很高
: 但是要想逼近真实分布 就要用GAN或者VAE了 10k数据太小了 而且结果如何是未知的

avatar
x*u
14
你研究的这玩意是200年前高斯就想过,并且写入大学教科书里的

【在 k****z 的大作中提到】
: 自己想的
: 比方我人为产生一个数据
: 有10000个sample, 100个变量X1,X2,,,X100
: sample分成5个classes, 是根据其中10个变量的的方程值的分布分成5分
: 比方说一个简单的方程
: Y=X1+X6*X20/X30-X38+10*X44^2+X55/X66-10X77+x88
: 当然我不会告诉你,现在的ML算法能搞清楚这个classification吗?

avatar
k*z
15
什么定理,我怎么不记得

【在 x****u 的大作中提到】
: 你研究的这玩意是200年前高斯就想过,并且写入大学教科书里的
avatar
r*t
16
靠谱。要是这个这么简单,很多生物问题就不是问题了。

【在 g****t 的大作中提到】
: 他这个方程有问题。问题本身可以是not detectable的。
: 就是说不同的变量组合,可以产生完全一样的观测量。所以你从观测量无法决定驱动变
: 量的值。
: 例如X6*X20/X30 这里的三个数从y的测量值是无法区分的。
:
:
: 你这种方程的分类,只要不是重叠太多,结果可以很精确
:

avatar
k*z
17
不赞同你的说法,不是not detectable, 而是还没有人想出好的方法。退一步讲,如果
你能找出其他变量的组合方程给出同样的分类,那也很好,就是说有多组解,其实这样
更有意思,但多组解的可能性应该很小,即使有,也会有效率差异。归根结底还是没有
好的方法。可能超越了人类目前理论和计算的能力。


: 他这个方程有问题。问题本身可以是not detectable的。

: 就是说不同的变量组合,可以产生完全一样的观测量。所以你从观测量无法决定
驱动变

: 量的值。

: 例如X6*X20/X30 这里的三个数从y的测量值是无法区分的。

:

【在 g****t 的大作中提到】
: 你们把问题想的太简单了。假如他给你的是股市数据。你赚个钱实验下。例如把把股票
: 分成涨跌两类实验下。
: 首先要测算他的数据质量。还有数据产生的原理(不精确不要紧)。
:
:
: 单纯的做分类 就像楼上大牛所说 准确度可以训练的很高
:
: 但是要想逼近真实分布 就要用GAN或者VAE了 10k数据太小了 而且结果如
: 何是未
: 知的
:

avatar
l*n
18
只要区别y得值,和你怎么产生的没有关系

【在 g****t 的大作中提到】
: 他这个方程有问题。问题本身可以是not detectable的。
: 就是说不同的变量组合,可以产生完全一样的观测量。所以你从观测量无法决定驱动变
: 量的值。
: 例如X6*X20/X30 这里的三个数从y的测量值是无法区分的。
:
:
: 你这种方程的分类,只要不是重叠太多,结果可以很精确
:

avatar
g*t
19
如果只要求根据y的值分类,而和x无关系的话。那可以说是没什么标准可言的。排一下
序然后,分五段就是分类了。
哪里有什么精度高低之分呢?
他既然给了方程,那这种就是已知道模型的分类问题。
我猜需要在什么地方用到那些x才能搞明白分类好坏的问题。
然而他的x是不可观测的。


: 只要区别y得值,和你怎么产生的没有关系



【在 l******n 的大作中提到】
: 只要区别y得值,和你怎么产生的没有关系
avatar
g*t
20
你需要一些逻辑训练。不然无法定义问题的。
这里不需要考虑到人类有没有找到好办法这么宏观。


: 不赞同你的说法,不是not detectable, 而是还没有人想出好的方法。退一步讲
,如果

: 你能找出其他变量的组合方程给出同样的分类,那也很好,就是说有多组解,其
实这样

: 更有意思,但多组解的可能性应该很小,即使有,也会有效率差异。归根结底还
是没有

: 好的方法。可能超越了人类目前理论和计算的能力。

: 驱动变



【在 k****z 的大作中提到】
: 不赞同你的说法,不是not detectable, 而是还没有人想出好的方法。退一步讲,如果
: 你能找出其他变量的组合方程给出同样的分类,那也很好,就是说有多组解,其实这样
: 更有意思,但多组解的可能性应该很小,即使有,也会有效率差异。归根结底还是没有
: 好的方法。可能超越了人类目前理论和计算的能力。
:
:
: 他这个方程有问题。问题本身可以是not detectable的。
:
: 就是说不同的变量组合,可以产生完全一样的观测量。所以你从观测量无法决定
: 驱动变
:
: 量的值。
:
: 例如X6*X20/X30 这里的三个数从y的测量值是无法区分的。

avatar
g*t
21
你跟他二人,似乎都没有操作过基本的linear regression


: 你研究的这玩意是200年前高斯就想过,并且写入大学教科书里的



【在 x****u 的大作中提到】
: 你研究的这玩意是200年前高斯就想过,并且写入大学教科书里的
avatar
s*V
22
你这个要加上一个label,这就是一个典型的LINEAR regression CLASSIFICATION 的题
目.每一个方程的值对应于一个超平面,数据量够大的话应该没啥问题。

【在 k****z 的大作中提到】
: 自己想的
: 比方我人为产生一个数据
: 有10000个sample, 100个变量X1,X2,,,X100
: sample分成5个classes, 是根据其中10个变量的的方程值的分布分成5分
: 比方说一个简单的方程
: Y=X1+X6*X20/X30-X38+10*X44^2+X55/X66-10X77+x88
: 当然我不会告诉你,现在的ML算法能搞清楚这个classification吗?

avatar
g*t
23
假如他要是让你根据X44的大小分五类,
你怎么分?
按照他这个产生器,X44的正负是从y看不出来的。
你用软件现成的包带进去,根据测量数据是
可以出现一个结果。然而那结果
是测量噪声给你的假结果。


: 你这个要加上一个label,这就是一个典型的LINEAR regression
CLASSIFICATION 的题

: 目.每一个方程的值对应于一个超平面,数据量够大的话应该没啥问题。



【在 s*****V 的大作中提到】
: 你这个要加上一个label,这就是一个典型的LINEAR regression CLASSIFICATION 的题
: 目.每一个方程的值对应于一个超平面,数据量够大的话应该没啥问题。

avatar
s*V
24
只要不是乱来,只要是根据Y的值范围来分,就可以分。换句话说如果他给100个x,和y
,神经网络可以模拟出这个函数,最后一层加一个分类器。前提是数据够多。

【在 g****t 的大作中提到】
: 假如他要是让你根据X44的大小分五类,
: 你怎么分?
: 按照他这个产生器,X44的正负是从y看不出来的。
: 你用软件现成的包带进去,根据测量数据是
: 可以出现一个结果。然而那结果
: 是测量噪声给你的假结果。
:
:
: 你这个要加上一个label,这就是一个典型的LINEAR regression
: CLASSIFICATION 的题
:
: 目.每一个方程的值对应于一个超平面,数据量够大的话应该没啥问题。

avatar
k*z
25
觉得第一肯定是可以分类的,但现在没有好的方法。神经网络或许可以。
第二linear regression 之类的不会work, 因为实际问题中变量和方程是不会告诉你的。


: 只要不是乱来,只要是根据Y的值范围来分,就可以分。换句话说如果他给100个
x,和y

: ,神经网络可以模拟出这个函数,最后一层加一个分类器。前提是数据够多。



【在 s*****V 的大作中提到】
: 只要不是乱来,只要是根据Y的值范围来分,就可以分。换句话说如果他给100个x,和y
: ,神经网络可以模拟出这个函数,最后一层加一个分类器。前提是数据够多。

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。