《数学之美》读后感

今天终于把《数学之美》读完了，耗时近一个月，整个读完之后，再一想，似乎回想不起什么。结合正在看的《统计学习方法》，给个总结

现实世界中，并不是所以问题都有解，对于有解的问题，关键在于找准模型，模型越准确，则效果越好，就像是要找出空间中随机分布的一系列点的函数，函数穿过所有点，则拟合很好，反之拟合变弱。拟合好不一定泛化好(对测试数据预测效果)，因此往往会做出一定的偏移，用于泛化。

如果得到大量数据，基于统计往往比基于规则更好。因为对于大量数据，规则往往极其复杂，人为添加规则，工作量巨大，而且容易出错。

要做优化，首先要定义一个函数对模型进行衡量(损失函数)，接着对比优化前后该衡量值的大小，若混乱程度更小(损失更小、失误率更小)，则该优化可以进行选取，否则，不可选取。
不断进行优化，直到处于一个可接受的程度，则优化完毕

对决策树进行优化，就是剪枝，减少深度。
梯度下降，也是对原有模型进行优化
随机梯度下降，只取一点，降低计算量
还有一种梯度下降，先步长更长，后步长更短，能更快，但计算量变大，因为计算二阶导。

对于大数据，布隆过滤器比哈希表更节省内存，不过需要白名单，因为有可能重复。哈希表大概50%利用率，布隆过滤器只需要哈希表的1/8到1/4。

分布式运算，能够利用更多机器同步运算，加快运算速度，但是关键在于将计算进行分布、结果整合。

以前一直不理解动态规划，现