分享一些我的阅读习惯

一、学会挑剔只看经典

人的精力是十分有限的,只能有有限的精力做有限的事情,读有限的经典的书。

现在互联网上充斥的信息太多了,以至于我们根本就没有精力在上边花心思,还有一些比较片面,当然您可以自己去甄别,但是在甄别的过程中就浪费了很多时间。

 

二、总结

读完一个主题之后,或者一个章节之后,最好能做一个总结,总结的形式是各种各样的,但是一定要达到一个目的,能够了解到(1)这部分讲的是什么(2)中心内容和各个小节的联系是什么(3)我是否能够认同这部分内容

为什么非要有这几个问题,因为这能够加深你的读书印象,然后提取一个Key,而这个章节所有的内容就是Value。当遇到相关问题的时候可以通过这个Key去寻找value。

一个人的能力不是他有多少知识,而在于他在关键时刻能够拿出他拥有的知识去解决问题

 

三、阅读种类

我们阅读的目的不外乎就是为了解决当前或者未来未知的问题,但是大部分人都认为工作中的问题才是问题,生活中的问题就只能默默承受让其顺其自然的发生了,以程序员举例,他们跟多的愿意去花精力在计算机相关资料上阅读。我有一位朋友就是 到现在25年了一只和自己的右手做朋友,然后我问了他几个问题

 1)你知道怎么和女生搭讪吗 

  2)你知道怎么和女生聊天吗

 3)你知道怎么和女生相处吗(《人性弱点》如何和女士相处)

如果这些问题你到现在都没想过,只是一味的想找女朋友,就算你瞎猫碰死耗子碰到一个,你们也不可能相处时间长久的。 然后围绕那三个问题,我给他推荐了一些相关的资料。 这只是举的一个小例子,我是想告诉大家 生活中遇到的各种问题也应该去通过阅读里找原因以及解决方案,尤为突出的就是心理学书籍和思维导向性书籍。至于为什么是心理学书籍,请看刘未鹏的 “每一个人都应该学一点心理学”。思维导向性的书籍《高效能人士的七个习惯》 ,这本书让我感受最深的是如何积极的去改善周遭环境,并适时的调节情绪。

 

四、阅读方式

三种方式 (1)通读 (2)选读 (3)主题阅读 

资料的来源一般是朋友推荐的,或者网上推荐的,如果你拿起来就读基本上没什么意义,可以先看一下目录感觉哪些对你有帮助或者你感兴趣的可以有限读;而有些资料不能够选读比如《高效能人士的七个习惯》 里边的七个习惯是一环扣一环的 这样的书你就要通读;主题阅读是当你遇到困难的时候,比如你需要学习怎么应对一个女人的喋喋不休与抱怨的时候你就需要通过阅读《人性弱点》如何和女人相处这一章节,然后脱离当前的困窘。

 

五、阅读时间

我不建议每天都读很多资料,因为这样容易分散注意力,反而起不到收获知识的目的。但是很多人一年下来一本书也没看完我就不能容忍了,以前我们同学聚会,我去我同学那里来回四个小时,我们在一起吃饭聊天的时间也是四个小时,我觉得太浪费时间了,所以一般选择不去,但是后来养成了地铁上读书的习惯,所以我们一次聚会读书的时间四个小时,和同学吃饭聊天的时间四个小时我就觉得这个时间花的很值,所以每隔一个星期我都会去我同学那蹭吃蹭喝。

当然在地铁里只是一个例子,你可以随身携带阅读资料,在等车、做公交、挂号、排队的时候进行阅读。

 

六、如何选择阅读资料

经典的书就是好书,应该去看经典的书,我选书的方法比较简单就是去豆瓣网上看,哪本书的评论多就看那本书,可能有人会说,那要是所有的评论都是负面的呢,你可以这样想,这本书能烂到这么多人花时间花精力评论,可显而知是多么值得一看的烂书啊。

 

转载于:https://www.cnblogs.com/accessking/p/3530474.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值