今天不该用蛇皮口袋装货，太不职业了 (转载) - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>PDA - 掌中宝

今天不该用蛇皮口袋装货，太不职业了 (转载)

今天不该用蛇皮口袋装货，太不职业了 (转载)# PDA - 掌中宝

x*y2012-03-21 07:03

1 楼

如果training data数量很少，比如100个training data，1million testing data，3
classes，data本身不复杂，是4维的离散量，该用什么方法比较合适呢？semi-
supervised?

m*l2012-03-21 07:03

2 楼

☆─────────────────────────────────────☆
keyw (baobao) 于 (Sat Nov 12 18:09:09 2011, 美东) 提到:
想看看体检能不能撑到那个时候，谢谢
☆─────────────────────────────────────☆
ACCM (hs) 于 (Sat Nov 12 19:27:38 2011, 美东) 提到:
危险，我08-8的还在犹豫是不是在年底把FSA里剩的钱用来体检，不过也说不定哪天抽
风全部current了
☆─────────────────────────────────────☆
rocketsfan (rocketsfan) 于 (Sat Nov 12 19:29:25 2011, 美东) 提到:
medical exam can be done in 3 days.
no rush.
I think you will be current in 1.5-2 years.

☆─────────────────────────────────────☆
cloverall (flyer) 于 (Mon Nov 14 10:12:44 2011, 美东) 提到:
火箭，我记得你曾经是比较乐观的嘛。
☆─────────────────────────────────────☆
SinoGator (毛人弟弟) 于 (Mon Nov 14 10:18:29 2011, 美东) 提到:
This is indeed optimistic for a Sep-09 PD to become current within next 2
yrs.
It assumes 30K+ SOFAD every year for next two. Isn't it optimistic?
☆─────────────────────────────────────☆
alexx (panda in love~八胖~饲羊员~水木十年) 于 (Mon Nov 14 10:19:47 2011, 美东) 提到:
人觉得不够乐观。怎么也得就明年了。
☆─────────────────────────────────────☆
cloverall (flyer) 于 (Mon Nov 14 10:28:38 2011, 美东) 提到:
我记得09年China Perm 总共大概1000左右。
老印为中国大概为中国10倍，10Ｋ左右。
Please correct me if I'm wrong. As for the ratio btw final demand and EB2I's
perm. I am not very sure.
☆─────────────────────────────────────☆
SinoGator (毛人弟弟) 于 (Mon Nov 14 10:29:33 2011, 美东) 提到:
家属，NIW...
's
☆─────────────────────────────────────☆
cloverall (flyer) 于 (Mon Nov 14 10:33:14 2011, 美东) 提到:
I don't mean that. I agree that one year might not be that practical. I am not
sure how reasonable for 2013 summer. Just an estimate.
☆─────────────────────────────────────☆
MUYU (MUYU) 于 (Mon Nov 14 10:50:34 2011, 美东) 提到:
09年等两年算乐观呀？这个预测很伤心的说！
★ Sent from iPhone App: iReader Mitbbs Lite 7.28
☆─────────────────────────────────────☆
rocketsfan (rocketsfan) 于 (Mon Nov 14 11:28:24 2011, 美东) 提到:
comfort, maybe 1.5 years will be enough.
currently there are many uncertain factors, so it's hard to say.
hang in there!
☆─────────────────────────────────────☆
cloverall (flyer) 于 (Mon Nov 14 11:34:02 2011, 美东) 提到:
Yeah, close to my estimate around summer of 2013 if there is no big/special
bad things.

d*t2012-03-21 07:03

3 楼

【以下文字转载自 shopping 讨论区】
发信人: digit (rainmam), 信区: shopping
标题: 求推荐相对安静的 Portable Air Conditioner 的牌子
发信站: BBS 未名空间站 (Mon Jul 19 13:58:16 2010, 美东)
原来用的一款坏了，凉快罢了，噪音实在是大，想买个稍微安静的牌子，谢谢

r*t2012-03-21 07:03

4 楼

【以下文字转载自 LosAngeles 讨论区】
发信人: flyingTomato (flyingTomato), 信区: LosAngeles
标题: 今天不该用蛇皮口袋装货，太不职业了 (转载)
发信站: BBS 未名空间站 (Wed Mar 21 11:13:56 2012, 美东)
发信人: elderbone (老骨头，黑又黑黑黑又黑), 信区: ebiz
标题: 今天不该用蛇皮口袋装货，太不职业了
发信站: BBS 未名空间站 (Wed Mar 21 03:12:17 2012, 美东)
其他护士都很时尚的，没想到退货也得打扮啊

s*n2012-03-21 07:03

5 楼

why do they use 100 training data and 1M testing data, insane?

3

【在 x**y 的大作中提到】

: 如果training data数量很少，比如100个training data，1million testing data，3
: classes，data本身不复杂，是4维的离散量，该用什么方法比较合适呢？semi-
: supervised?

v*e2012-03-21 07:03

6 楼

Sharp is supposed to be library quiet, but nothing beats 2 piece air
conditioner.

m*s2012-03-21 07:03

7 楼

为啥LV袋就不职业呢？

s*n2012-03-21 07:03

8 楼

Maybe the 100 training data is labeled data, while the 1M testing data is
unlabeled.

【在 s*****n 的大作中提到】

: why do they use 100 training data and 1M testing data, insane?
:
: 3

d*g2012-03-21 07:03

9 楼

a*o2012-03-21 07:03

10 楼

这么多老中，贼jb丢脸。

j*y2012-03-21 07:03

11 楼

u could try active learning
but 100 training size is too small comparing with 1m

T*92012-03-21 07:03

12 楼

haha, good one

【在 m****s 的大作中提到】

: 为啥LV袋就不职业呢？

x*y2012-03-21 07:03

13 楼

纯粹就是个人为设计出来的问题。
算是prediction吧，比如说判断一个人健康状况，good, average,poor
有四项指标a,b,c,d
现在有1m人，label其中100个人，如何predict剩下那999900
虽然数据不复杂，但是就这么点training data，想不出用什么方法能有好结果

i*r2012-03-21 07:03

14 楼

我靠怎么全是黄牛

d*j2012-03-21 07:03

15 楼

active learning
http://en.wikipedia.org/wiki/Active_learning_%28machine_learning%29

v*s2012-03-21 07:03

16 楼

苹果的一周末售出300万，不知道有多少是被黄牛拿下的

x*y2012-03-21 07:03

17 楼

active learning和semi-supervised比较的话，有什么优缺点呢？

c*h2012-03-21 07:03

18 楼

大多数

【在 v***s 的大作中提到】

: 苹果的一周末售出300万，不知道有多少是被黄牛拿下的

x*y2012-03-21 07:03

19 楼

还有一个问题就是说，如果没有先验知识的话，或者说单纯从data本身并不能人为得出
一个确定的prediction的话，active learning还有效么？

c*a2012-03-21 07:03

20 楼

这是啥地方？
邮局？fedex Store？UPS Store？

【在 r****t 的大作中提到】

: 【以下文字转载自 LosAngeles 讨论区】
: 发信人: flyingTomato (flyingTomato), 信区: LosAngeles
: 标题: 今天不该用蛇皮口袋装货，太不职业了 (转载)
: 发信站: BBS 未名空间站 (Wed Mar 21 11:13:56 2012, 美东)
: 发信人: elderbone (老骨头，黑又黑黑黑又黑), 信区: ebiz
: 标题: 今天不该用蛇皮口袋装货，太不职业了
: 发信站: BBS 未名空间站 (Wed Mar 21 03:12:17 2012, 美东)
: 其他护士都很时尚的，没想到退货也得打扮啊

s*n2012-03-21 07:03

21 楼

我有点明白你说的意思了。1m的点不能被叫做test data. 回到问题的本质。
现在是在4维空间里面，给你100个点，让你把这个空间划分为三个区域。
区域内部的点聚合，区域外边的点距离做够大。事实上这样做的自由度太大，会有多种
选择，自然也会有mis-classification.
now, with testing data,(事实上，test data也是a b c d -> g/b/ 的映射，否则怎
么能够test, 只用abcd四维的micro feature来进行clusting.得到k个clusters.
now, mapping 100 points to k clusters with what ever means and synthese a
function/model, that is your ouput.
Finally, testing with 1M points with the whole mapping.

【在 x**y 的大作中提到】

: 还有一个问题就是说，如果没有先验知识的话，或者说单纯从data本身并不能人为得出
: 一个确定的prediction的话，active learning还有效么？

j*l2012-03-21 07:03

22 楼

apple store.

【在 c******a 的大作中提到】

: 这是啥地方？
: 邮局？fedex Store？UPS Store？

x*y2012-03-21 07:03

23 楼

是这个意思，具体到实际问题上，label 1m unlabeled data based on 100 labeled
data,如何做？也就是说如何选取一个合适的model呢？当labeled<还有一个时空复杂度的问题也需要考虑。

【在 s*****n 的大作中提到】

: 我有点明白你说的意思了。1m的点不能被叫做test data. 回到问题的本质。
: 现在是在4维空间里面，给你100个点，让你把这个空间划分为三个区域。
: 区域内部的点聚合，区域外边的点距离做够大。事实上这样做的自由度太大，会有多种
: 选择，自然也会有mis-classification.
: now, with testing data,(事实上，test data也是a b c d -> g/b/ 的映射，否则怎
: 么能够test, 只用abcd四维的micro feature来进行clusting.得到k个clusters.
: now, mapping 100 points to k clusters with what ever means and synthese a
: function/model, that is your ouput.
: Finally, testing with 1M points with the whole mapping.

f*e2012-03-21 07:03

24 楼

退货还是扫货？

【在 j******l 的大作中提到】

: apple store.

s*n2012-03-21 07:03

25 楼

什么时空复杂度？算法吗？模型自己找吧。比如bayerisan(NN)+ kohornen中间层.
类别一下，就是有个老师能让问100道问题。你有1M的题要问，怎么办呢。先研究一下
，找出k到典型问题。然后再问老师 k道题是好还是坏呢，还是有好有坏呢。
behavior (也许包括最近统计）AI 就是这么点简单道理，就是拿一堆炒烂的东西瞎搅
和。

【在 x**y 的大作中提到】

: 是这个意思，具体到实际问题上，label 1m unlabeled data based on 100 labeled
: data,如何做？也就是说如何选取一个合适的model呢？当labeled<: 还有一个时空复杂度的问题也需要考虑。

c*a2012-03-21 07:03

26 楼

了解了，是退货，以为差价很高，都准备倒腾一下做个二道贩子，结果栽了。
还在还能退货。

【在 j******l 的大作中提到】

: apple store.

d*e2012-03-21 07:03

27 楼

你们太牛了！ ML我上完就忘了。
感觉是不是考这些才比较考能力

【在 s*****n 的大作中提到】

: 什么时空复杂度？算法吗？模型自己找吧。比如bayerisan(NN)+ kohornen中间层.
: 类别一下，就是有个老师能让问100道问题。你有1M的题要问，怎么办呢。先研究一下
: ，找出k到典型问题。然后再问老师 k道题是好还是坏呢，还是有好有坏呢。
: behavior (也许包括最近统计）AI 就是这么点简单道理，就是拿一堆炒烂的东西瞎搅
: 和。