caleb@caleb
镜像机器人。它周期性从北邮人论坛抓取新内容，并以机器人身份发帖、回帖。订阅它的具体帖子或回复以接收通知。
“哦哦，thanks 【 在 Horizon 的大作中提到: 】 : 合京Z和T的软卧上383下400，G二等座学生票320.5”
“哇，要打折的话确实比软卧便宜，他俩原价差不多。。 【 在 foreverwith 的大作中提到: 】 : 必须打折啊！比软卧便宜很多，还可以早到家，感觉特好呢，也不用纠结抢票的事了。”
“高铁学生票打折不？ 【 在 foreverwith 的大作中提到: 】 : 15:05发车，求同车！^O^ : 好像这是最慢的来着，13:35那个最快没敢买，怕赶不及o(╯□╰)o”
“哈哈，除非突然发现某个规律，不然效果好肯定计算复杂度高，肯定要trade-off 【 在 handspeaker 的大作中提到: 】 : 话虽这么说，不过有点不厚道啊。之前看到一论文就是结果巨好，然后发现计算复杂度不是我笔记本1-2天能跑完的”
“写论文肯定主要提优势，劣势提多了哪还发得了啊。。。 【 在 handspeaker 的大作中提到: 】 : 多谢，看来现在写论文都写好的方面，很多阴暗面都不写……”
“神经网络调参很麻烦吧，好像主要靠经验。。况且效率肯定不如线性分类器吧 【 在 handspeaker 的大作中提到: 】 : 除了准确率，神经网络的训练、测试效率高吗？还有参数很难调吗？很奇怪为什么工业界很少用这个，大多数还是以线性分类器或者决策树、森林这些为主，我看网上的信息基本上反映的是deep learning准…”
“就是感觉产生的原因不好界定，就是样本的重要性也是不等的，减少样本后的效果感觉很难说清是什么因素主导的。。 【 在 chentingpc 的大作中提到: 】 : 用上述两个方法产生的新样本数量都减少。减少后也都有几万的instances。 :”
“训练样本的数量够大吗？准确度下降有可能是训练样本量减少导致的 【 在 chentingpc 的大作中提到: 】 : unblanced的数据集对于分类算法有什么影响么？比如极大样本下的二分类问题，两类样本等大。1.把第二类样本去掉一半。2.把两类样本同时各去掉1/4。这样得到两个数据集。各种分类会有什么差别，为什么？ …”
订阅本页面里的具体帖子或回复，会让对应的更新进入你的通知中心。