一、數(shù)據前處理

在做機器學習時候，有的模型需要將數(shù)據處理后才能訓練。見過兩種數(shù)據處理類型，一個是歸一化，另一個是正態(tài)化。有點疑問！

就拿歸一化的來說。假設現(xiàn)在有一組身高和體重的數(shù)據，本來是1米5到2米的人身高，為什么可以通過極差標準化變成0到1的數(shù)值？不會有影響嗎？

既然有“為什么可以”，就有“為什么不可以”。對呀，為什么不可以呢？我在想，一組數(shù)據是不是有其抽象的特征，只要保證特征一致，就可以對其運算。

在知乎看到博主也有相關問題，但是沒有給出合理的答復。

應該要向up主“老奇好好奇”學習，既有對問題的敏感，也要有刨根問底的實踐。比如為了解極化碼，一直找到信息論鼻祖香農的論文。「鏈接」

放到這件事情，要找到是誰最早做了歸一化。英文太差是主要的限制因子，但是也只有開始了才能變好。人在床上躺，水平沒法漲。

二、結構化思維

聽到已經習以為常的詞“找規(guī)律”，突然迸發(fā)出不一樣的感覺。要靠練，聚類然后套規(guī)律。對有些類型的問題，自然就有兩種思路。

比如說，當同學吐槽大學幾年下來也沒有找到對象。腦中立即有了兩種思路。是你去加入社團，參加活動努力找了？還是根本就沒有行動，然后說沒有找到？

還有當我們和Chatgpt對話時，問經營分析報告應該怎么寫，它立刻就能給出一二三四。所以要善用工具，站在巨人的肩膀上，少拍腦袋憑空創(chuàng)造。

很多事情有了不同角度時，自然就是結構化的。

三、少看吐槽，多找解決辦法

研究生入學考試中的英語試題，尤其是閱讀理解，總有一兩個模棱兩可的，觀察網絡上相關吐槽支持眾，接下來就是應試教育沒有辦法云云，再上升到階級固化，生活壓力之類。好像社會陰暗，幸災樂禍，得到共鳴。但是有解決問題嘛？沒有。

聯(lián)系到社會上一些現(xiàn)象，比如被行政拘留的陳某龍，因為捏造怒懟加班文化的聊天記錄。那些發(fā)泄的文字爽嗎？當然。但是有解決問題嘛？沒有。

吐槽的東西，抱怨的東西聽聽就夠了。重要的是解決辦法。

如同我們遇到對方只是一味給予負能量，說你這不行那不行，肯定辦不到，還是少接觸這樣的人好，更不必說交朋友了。如果對方不僅指出問題，還提出了解決辦法，那還是不錯的。

原發(fā)布時間：2023-04-12 11:57