做减数分裂的博后可以申请什么fellowship啊# Biology - 生物学
b*r
1 楼
中信代签后只取回了护照。那些交上去的资料一概没返回，难道不退回给本人吗？还是
怎么着，要邮寄回本人？
大家什么经验？
怎么着，要邮寄回本人？
大家什么经验？
c*n
2 楼
1. Free $100 +双倍holiday bonus from Discover More® Card 最适合中美间使
用的多彩卡片Discover信用卡 11/15-12/31双倍holiday bonus
http://bankbonus.blog.163.com/
2.Chase Freedom Visa- $100 Bonus Cash Back
0% Intro APR
http://bankbonus.blog.163.com/
3. Chase SapphireSM Card--$100 reward after first $500 purchase
http://bankbonus.blog.163.com/
4.免费的250刀 Chase SapphireSM Preferred Card需要满足这个offer的条件 优先考
虑哈 里面有指导如何满足条件
http://bankbonus.blog.163.com/
5.Chase 力作 continental onepass信用卡 首笔消费就送30000miles（无金额限制）+
$50免费bonus 最新优惠 信用卡首选
http://bankbonus.blog.163.com/
最近申请chase家的这个信用卡会弹出一个页面，写着Before you go…We hope you
will reconsider 难不成他们家最近被人拿太多这个免费机票了 不用对它客气，
赶紧点击Return&Apply， 拿到落袋为安。
http://bankbonus.blog.163.com/
用的多彩卡片Discover信用卡 11/15-12/31双倍holiday bonus
http://bankbonus.blog.163.com/
2.Chase Freedom Visa- $100 Bonus Cash Back
0% Intro APR
http://bankbonus.blog.163.com/
3. Chase SapphireSM Card--$100 reward after first $500 purchase
http://bankbonus.blog.163.com/
4.免费的250刀 Chase SapphireSM Preferred Card需要满足这个offer的条件 优先考
虑哈 里面有指导如何满足条件
http://bankbonus.blog.163.com/
5.Chase 力作 continental onepass信用卡 首笔消费就送30000miles（无金额限制）+
$50免费bonus 最新优惠 信用卡首选
http://bankbonus.blog.163.com/
最近申请chase家的这个信用卡会弹出一个页面，写着Before you go…We hope you
will reconsider 难不成他们家最近被人拿太多这个免费机票了 不用对它客气，
赶紧点击Return&Apply， 拿到落袋为安。
http://bankbonus.blog.163.com/
E*a
3 楼
这几天办公室政治愈演愈烈，一两个不干活只说话的老印搞得人烦不胜烦，直接就有了
跳槽的想法。忽然就有些想念你。我们在一起的时候，我总是可以向你抱怨，你就说让
我不要在意那些人，他们不值得我不高兴。那时我好像总是很快就能忘记那些不开心的
事，抱怨归抱怨，可是心里并不会在意那一两个讨厌的人，一两件讨厌的事。也许因为
那时我的精力都用在纠结我们两个人的事上，别的都只是模糊背景吧。
这些天来，我一直告诉我自己不要再经常想起你了，我们已经结束了，我不要把自己陷
在其中浪费自己的时间和感情。我基本上做到了。不过副作用就是，我放了很多精力和
情绪在别的事情上，比如工作。然后这些办公室政治忽然压得我很不快乐。
我知道你说过任何时候你都很高兴跟我聊天，可是我不愿意自己再陷进很多小事上都要
依赖你来开解的处境。所以偶然我们需要联系的时候我也并不多说话。
记不记得很久以前我们吵架，不高兴的时候我赌气说我自己会控制，不要你帮。你跟我
说虽然独立很重要没有错，可是这个世界上总是有极少数的特别的人可以依靠，你就是
我可以依靠的人。
那些话你还记得么。我相信你说它们的时候，一定是真心的。后来事情发展，我们反反
复复，终于彻底明白不可能再回到从前，也是不得已的事吧，我并不怪谁。
今天我允许自己花时间想念你，而不是为这些办公室政治烦心，就是觉得想念你起码是
一种正能量，我们真心喜欢过，一起快乐过，如果一定要花时间的话，总比琢磨那些虚
伪的明争暗斗，好一些吧。
现在写下这些字，不为纪念过去，只为放下工作，花一点时间做我愿意做的事而已。
跳槽的想法。忽然就有些想念你。我们在一起的时候，我总是可以向你抱怨，你就说让
我不要在意那些人，他们不值得我不高兴。那时我好像总是很快就能忘记那些不开心的
事，抱怨归抱怨，可是心里并不会在意那一两个讨厌的人，一两件讨厌的事。也许因为
那时我的精力都用在纠结我们两个人的事上，别的都只是模糊背景吧。
这些天来，我一直告诉我自己不要再经常想起你了，我们已经结束了，我不要把自己陷
在其中浪费自己的时间和感情。我基本上做到了。不过副作用就是，我放了很多精力和
情绪在别的事情上，比如工作。然后这些办公室政治忽然压得我很不快乐。
我知道你说过任何时候你都很高兴跟我聊天，可是我不愿意自己再陷进很多小事上都要
依赖你来开解的处境。所以偶然我们需要联系的时候我也并不多说话。
记不记得很久以前我们吵架，不高兴的时候我赌气说我自己会控制，不要你帮。你跟我
说虽然独立很重要没有错，可是这个世界上总是有极少数的特别的人可以依靠，你就是
我可以依靠的人。
那些话你还记得么。我相信你说它们的时候，一定是真心的。后来事情发展，我们反反
复复，终于彻底明白不可能再回到从前，也是不得已的事吧，我并不怪谁。
今天我允许自己花时间想念你，而不是为这些办公室政治烦心，就是觉得想念你起码是
一种正能量，我们真心喜欢过，一起快乐过，如果一定要花时间的话，总比琢磨那些虚
伪的明争暗斗，好一些吧。
现在写下这些字，不为纪念过去，只为放下工作，花一点时间做我愿意做的事而已。
n*7
4 楼
做一个n-class的分类
在某种data上很难预测准确
所以我打算退而求其次
每次预测出k个class (k
一个类比：n个坑可能都有地雷，通过预测，有地雷的坑缩小到其中的k个，所以这个预
测还是有用的
问题
1. 这种策略有个名字没有？
2. n-class 缩小到k-class，information gain要怎么算？1/k-1/n?
谢谢
在某种data上很难预测准确
所以我打算退而求其次
每次预测出k个class (k
一个类比：n个坑可能都有地雷，通过预测，有地雷的坑缩小到其中的k个，所以这个预
测还是有用的
问题
1. 这种策略有个名字没有？
2. n-class 缩小到k-class，information gain要怎么算？1/k-1/n?
谢谢
h*y
5 楼
做减数分裂的博后可以申请什么fellowship啊
s*8
6 楼
好的. 守夜?
【在 E***a 的大作中提到】
: 这几天办公室政治愈演愈烈，一两个不干活只说话的老印搞得人烦不胜烦，直接就有了
: 跳槽的想法。忽然就有些想念你。我们在一起的时候，我总是可以向你抱怨，你就说让
: 我不要在意那些人，他们不值得我不高兴。那时我好像总是很快就能忘记那些不开心的
: 事，抱怨归抱怨，可是心里并不会在意那一两个讨厌的人，一两件讨厌的事。也许因为
: 那时我的精力都用在纠结我们两个人的事上，别的都只是模糊背景吧。
: 这些天来，我一直告诉我自己不要再经常想起你了，我们已经结束了，我不要把自己陷
: 在其中浪费自己的时间和感情。我基本上做到了。不过副作用就是，我放了很多精力和
: 情绪在别的事情上，比如工作。然后这些办公室政治忽然压得我很不快乐。
: 我知道你说过任何时候你都很高兴跟我聊天，可是我不愿意自己再陷进很多小事上都要
: 依赖你来开解的处境。所以偶然我们需要联系的时候我也并不多说话。
【在 E***a 的大作中提到】
: 这几天办公室政治愈演愈烈，一两个不干活只说话的老印搞得人烦不胜烦，直接就有了
: 跳槽的想法。忽然就有些想念你。我们在一起的时候，我总是可以向你抱怨，你就说让
: 我不要在意那些人，他们不值得我不高兴。那时我好像总是很快就能忘记那些不开心的
: 事，抱怨归抱怨，可是心里并不会在意那一两个讨厌的人，一两件讨厌的事。也许因为
: 那时我的精力都用在纠结我们两个人的事上，别的都只是模糊背景吧。
: 这些天来，我一直告诉我自己不要再经常想起你了，我们已经结束了，我不要把自己陷
: 在其中浪费自己的时间和感情。我基本上做到了。不过副作用就是，我放了很多精力和
: 情绪在别的事情上，比如工作。然后这些办公室政治忽然压得我很不快乐。
: 我知道你说过任何时候你都很高兴跟我聊天，可是我不愿意自己再陷进很多小事上都要
: 依赖你来开解的处境。所以偶然我们需要联系的时候我也并不多说话。
w*g
7 楼
如果预测完全准确，information gain是 ln(n/k)。
如果预测准确概率是p，算起来就绕了。
假设prior是均匀分布，令
K: 你预测的k个标签
X: K覆盖真实标签这个事件， P(X) = p
P(i): 缩小范围后实际标签是i的概率
Q(i): 缩小范围前实际标签是i的概率, 无论如何都有Q(i)=1/n
P(i)算起来很绕，要分i是否属于K，以及X是否发生算。
如果i属于K，则（下面所有都省去"|i属于K")
P(i) = P(i, X) + P(i, not X)
= P(i|X)P(X) + P(i| not X)P(not X)
P(i|X): i 属于K, 并且K个预测正确，所以P(i|X) = 1/k
P(i|not X): not X表示预测失败，真实标签不在K中，所以P(i|not X) = 0
所以 P(i) = p/k
如果i不属于K，则(省去"|i 不属于K")
P(i)展开同上，但是
P(i|X): i 不属于K，而预测正确，正确标签在K中，所以P(i|X) = 0
P(i|not X): 预测失败，正确标签在剩下(n-k)个中，所以P(i|not X) = 1/(n-k)
所以 P(i) = (1-p)/(n-k)
有了上面两个，就可以算KL divergence了
D(P||Q) = sum P(i) ln {P(i)/Q(i)}
= sum_{i in K} P(i) ln {P(i)/Q(i)}
+ sum_{i not in K} P(i) ln {P(i)/Q(i)}
= k*P(i)*ln{n*P(i)} | i in K
+ (n-k)P(i)*ln{n*P(i)} | i not in K
= p*ln{np/k} + (1-p)*ln{n(1-p)/(n-k)}
= ln(n) + p*ln{p/k} + (1-p)ln{(1-p)/(n-k)}
是不是我太闲了啊。整个论坛翻了好几遍，实在没有有意思的坑。
这种做法我不知道标准名字，但见人用过。当年imagenet搞比赛，n=1000分类。又怕出
来分数太难看，所以允许预测k=5个标签，有一个中了就算对。
【在 n******7 的大作中提到】
: 做一个n-class的分类
: 在某种data上很难预测准确
: 所以我打算退而求其次
: 每次预测出k个class (k
: 一个类比：n个坑可能都有地雷，通过预测，有地雷的坑缩小到其中的k个，所以这个预
: 测还是有用的
: 问题
: 1. 这种策略有个名字没有？
: 2. n-class 缩小到k-class，information gain要怎么算？1/k-1/n?
如果预测准确概率是p，算起来就绕了。
假设prior是均匀分布，令
K: 你预测的k个标签
X: K覆盖真实标签这个事件， P(X) = p
P(i): 缩小范围后实际标签是i的概率
Q(i): 缩小范围前实际标签是i的概率, 无论如何都有Q(i)=1/n
P(i)算起来很绕，要分i是否属于K，以及X是否发生算。
如果i属于K，则（下面所有都省去"|i属于K")
P(i) = P(i, X) + P(i, not X)
= P(i|X)P(X) + P(i| not X)P(not X)
P(i|X): i 属于K, 并且K个预测正确，所以P(i|X) = 1/k
P(i|not X): not X表示预测失败，真实标签不在K中，所以P(i|not X) = 0
所以 P(i) = p/k
如果i不属于K，则(省去"|i 不属于K")
P(i)展开同上，但是
P(i|X): i 不属于K，而预测正确，正确标签在K中，所以P(i|X) = 0
P(i|not X): 预测失败，正确标签在剩下(n-k)个中，所以P(i|not X) = 1/(n-k)
所以 P(i) = (1-p)/(n-k)
有了上面两个，就可以算KL divergence了
D(P||Q) = sum P(i) ln {P(i)/Q(i)}
= sum_{i in K} P(i) ln {P(i)/Q(i)}
+ sum_{i not in K} P(i) ln {P(i)/Q(i)}
= k*P(i)*ln{n*P(i)} | i in K
+ (n-k)P(i)*ln{n*P(i)} | i not in K
= p*ln{np/k} + (1-p)*ln{n(1-p)/(n-k)}
= ln(n) + p*ln{p/k} + (1-p)ln{(1-p)/(n-k)}
是不是我太闲了啊。整个论坛翻了好几遍，实在没有有意思的坑。
这种做法我不知道标准名字，但见人用过。当年imagenet搞比赛，n=1000分类。又怕出
来分数太难看，所以允许预测k=5个标签，有一个中了就算对。
【在 n******7 的大作中提到】
: 做一个n-class的分类
: 在某种data上很难预测准确
: 所以我打算退而求其次
: 每次预测出k个class (k
: 一个类比：n个坑可能都有地雷，通过预测，有地雷的坑缩小到其中的k个，所以这个预
: 测还是有用的
: 问题
: 1. 这种策略有个名字没有？
: 2. n-class 缩小到k-class，information gain要怎么算？1/k-1/n?
P*s
8 楼
安慰下 希望你不再写的那天 也是快乐的开始
但话说回来 我不喜欢正能量这个词儿
【在 E***a 的大作中提到】
: 这几天办公室政治愈演愈烈，一两个不干活只说话的老印搞得人烦不胜烦，直接就有了
: 跳槽的想法。忽然就有些想念你。我们在一起的时候，我总是可以向你抱怨，你就说让
: 我不要在意那些人，他们不值得我不高兴。那时我好像总是很快就能忘记那些不开心的
: 事，抱怨归抱怨，可是心里并不会在意那一两个讨厌的人，一两件讨厌的事。也许因为
: 那时我的精力都用在纠结我们两个人的事上，别的都只是模糊背景吧。
: 这些天来，我一直告诉我自己不要再经常想起你了，我们已经结束了，我不要把自己陷
: 在其中浪费自己的时间和感情。我基本上做到了。不过副作用就是，我放了很多精力和
: 情绪在别的事情上，比如工作。然后这些办公室政治忽然压得我很不快乐。
: 我知道你说过任何时候你都很高兴跟我聊天，可是我不愿意自己再陷进很多小事上都要
: 依赖你来开解的处境。所以偶然我们需要联系的时候我也并不多说话。
但话说回来 我不喜欢正能量这个词儿
【在 E***a 的大作中提到】
: 这几天办公室政治愈演愈烈，一两个不干活只说话的老印搞得人烦不胜烦，直接就有了
: 跳槽的想法。忽然就有些想念你。我们在一起的时候，我总是可以向你抱怨，你就说让
: 我不要在意那些人，他们不值得我不高兴。那时我好像总是很快就能忘记那些不开心的
: 事，抱怨归抱怨，可是心里并不会在意那一两个讨厌的人，一两件讨厌的事。也许因为
: 那时我的精力都用在纠结我们两个人的事上，别的都只是模糊背景吧。
: 这些天来，我一直告诉我自己不要再经常想起你了，我们已经结束了，我不要把自己陷
: 在其中浪费自己的时间和感情。我基本上做到了。不过副作用就是，我放了很多精力和
: 情绪在别的事情上，比如工作。然后这些办公室政治忽然压得我很不快乐。
: 我知道你说过任何时候你都很高兴跟我聊天，可是我不愿意自己再陷进很多小事上都要
: 依赖你来开解的处境。所以偶然我们需要联系的时候我也并不多说话。
n*7
9 楼
谢谢Princeton PhD
不懂的太多，顺便学习了一下Kullback–Leibler divergence的公式
这个结果正式我想要的
我实际是要求 p>=0.95,然后用training sample 评估k的大小
k的值是某个关键variable a的函数
有这个结果我就可以plot information gain vs a了
这种策略如果没有一个标准名字，我就自己起一个吧，哈哈
【在 w***g 的大作中提到】
: 如果预测完全准确，information gain是 ln(n/k)。
: 如果预测准确概率是p，算起来就绕了。
: 假设prior是均匀分布，令
: K: 你预测的k个标签
: X: K覆盖真实标签这个事件， P(X) = p
: P(i): 缩小范围后实际标签是i的概率
: Q(i): 缩小范围前实际标签是i的概率, 无论如何都有Q(i)=1/n
: P(i)算起来很绕，要分i是否属于K，以及X是否发生算。
: 如果i属于K，则（下面所有都省去"|i属于K")
: P(i) = P(i, X) + P(i, not X)
不懂的太多，顺便学习了一下Kullback–Leibler divergence的公式
这个结果正式我想要的
我实际是要求 p>=0.95,然后用training sample 评估k的大小
k的值是某个关键variable a的函数
有这个结果我就可以plot information gain vs a了
这种策略如果没有一个标准名字，我就自己起一个吧，哈哈
【在 w***g 的大作中提到】
: 如果预测完全准确，information gain是 ln(n/k)。
: 如果预测准确概率是p，算起来就绕了。
: 假设prior是均匀分布，令
: K: 你预测的k个标签
: X: K覆盖真实标签这个事件， P(X) = p
: P(i): 缩小范围后实际标签是i的概率
: Q(i): 缩小范围前实际标签是i的概率, 无论如何都有Q(i)=1/n
: P(i)算起来很绕，要分i是否属于K，以及X是否发生算。
: 如果i属于K，则（下面所有都省去"|i属于K")
: P(i) = P(i, X) + P(i, not X)
相关阅读
麻烦大家推荐以下anti-pVHL?JBC, JMB, CR, Biochemistry, FEBS letter, biophysical J 排川普限制中国学生签证波及学术界有人了解 上海交大的范先群么？eib084多谢Manuscript editing/translation workGene Universal这个公司怎么样？大家觉得高工资和EB1哪个重要？无标题韩春雨小包房现在干啥呢？复旦杨雄里院士被实名举报性骚扰elife还能投吗？paper help磁蛋白研究的怎么样了？paper help史上最离奇绿帽子之谜竟和吃兄弟姐妹有关35岁还在做博后的人最后怎么样了？问一个 qPCR error bar 的问题Will plastic insert work the same as metal or glass insert in ultrasound cleanser?Scientist, associate Scientist, HPLC, LC/MS 背景