[misc]实践&复盘强化贝叶斯模型

Posted 安柏霖

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了[misc]实践&复盘强化贝叶斯模型相关的知识,希望对你有一定的参考价值。

前几天weibo上看到一个说法,就是说事物和道理常常是有两面性,既有人若犯我我必犯人,也有退一步海阔天空;
到底哪个对,哪个在什么情况下用于行动,很难说;
我们总是一个基于范式的行动,起码大部分的情况,是基于我们的习惯而来,数学模型就是:

sum(具体情况下知识点使用系数 * 知识点)

我们除了学习到知识点,也要训练自己的知识点weight,这个weight是关键;
往往我们花了很多时间去看知识点,相对少的关注点在系数上;

有效沉淀

这里不只是学习,尤其是看文章这种;
看文章这种是快速获取信息的方式,但是这个信息如何有效的固化到自己脑袋里,形成能指导实践的东西;
这个看书则相当不够,主要原因包括不限于:

  • 人的记忆力实在有限,看书太容易遗忘–这点上如果是有实践,有切肤之痛,则更能记住,人的大脑使然了;
  • 真正的关键不是知识点,而是面对具体情况下的知识点应用的组合方法和使用概率,这个系数就不是知识点本身,也更容易从实践中来。

实践&复盘的强化持续训练

所以在实践的过程就是一个积累

  • 知识点
  • 自身特点&具体应用情况下的weight

的过程。

最后是知道在具体情况下怎么做的知行合一,才是关键。
这里在实践中持续的复盘,然后清晰化自己的知识体系结构是一个关键;

在有限的实践中,充分的复盘

所以有些精华,就是来源于实践,是轻轻松松的看看书所不能知道的,是何其的宝贵。
so,在有限的实践中,充分的复盘,吸收好这个精华。

以上是关于[misc]实践&复盘强化贝叶斯模型的主要内容,如果未能解决你的问题,请参考以下文章

Python机器学习及实践——基础篇4(朴素贝叶斯)

基于R语言的贝叶斯网络模型的实践技术应用

使用贝叶斯优化工具实践XGBoost回归模型调参

机器学习实战3:基于朴素贝叶斯实现单词拼写修正器(附Python代码)

机器学习:基于朴素贝叶斯实现单词拼写修正器(附Python代码)

随机森林算法及贝叶斯优化调参Python实践