LearningJourney 1.1
我的学习日记
之前有想过要把自己学到的知识用博客的方式记录下来,但是每次要花好长的时间来编写一篇博客。学习需要时间,编辑文案需要一定时间。由此,我经常懈怠。
所以,我想要以这样,“每天花1h时间,学,同时写一篇博客”,“为了博客更精炼,每周总结一次。该删的删,该改的改”
第一周DAY1
Ideas
学习高频电子的过程中,经过2个月,终于开始思索到底该怎么学,属于一种反思。
首先,这门课很多陌生的专业名字,如:振荡、调制、解调等。我犯了一个错误,一上来就想着如何解决计算,希望老师告诉我哪些公式该背。Big mistake。我应该首先,把握好这些“名词”的概念,再慢慢接触计算。
这个想法联系到别的学科,也是适用,我认为。比如同时在学的“电磁波”,对于“电位移D“,我对这个概念比较熟悉,因此在计算不同介质的电场或者“跨介质的电位差”,会比较容易。
Conclusion: 学习,首先知道“自己在学什么”,即搞懂noun!回忆一位好友的一席话,“当你介绍一个概念给别人时,正是证明你学懂的一个过程”。所以,时常反问自己,是个不错的学习方法。
Naive Bayes
由于我读的这本书是英文版,阅读过程中主要是英文思维,为了方便,我的笔记也会以英文的形式来记录。
From Machine learning in Action Chapter 4.
This chapter will lead us to some ways probability theory to help us classify thing. Start out with the simplest probabilistic classifier and make some assumptions, finally the naive Bayes classifier.
First,remember that probability theory is the basis for many ML algorithms.
Second, before getting to naive Bayes, let’s learn something about Bayesian decision theory.
- Key idea : Choose the class with the higher probability.