Imbalance Dataset ->Unsupervised learning

1、写在前面

　　话题不知从何起？本不该在这个环境公开自己一些不太成熟的Ideas。但好的总结对自己的认识也会提高一些，同时也刚好清楚自己正需要解决一个什么问题（研究领域）？在此，简单地介绍一下自己的研究方向。

2、研究基础

（1）入门论文：文本挖掘是大方向，入门级论文，包括LDA、HDP和PYP。这是导师建议的精度论文，仅仅只是进入这个研究领域。学会一种思想，概率生成模型的思维去解释这个世界很多现象，比如一篇新闻报道、一张网页和一则评论等等表达的主题是什么？学会一种学习模式，叫“唯心主义”（先验知识），其实并不是的，遇到新的事物，多半都是依靠一个人过去学习的经验去解决；学会一种更其妙的世界，叫“非参贝叶斯模型”的世界，了解了世上万物的发生所有可能的轨迹，组成事件的概率地毯（Probability Rug）。
（2）入门基础：计算机出身，补习统计学的知识甚多，比如《高等数理统计》、《应用随机过程》、《PRML》、《MLAPP》等等。

3、方向确定

　　（１）在于设计优秀的model： 先是学会以上的文本挖掘的基本模型，然后才开始自己能解决问题。初始想解决的问题可能比较多，比如主题模型的演化问题。比如，以时间为单位，每天都拟合一个模型，这样，这要求我们的模型是个动态的，不是一成不变。这样也适合我们更加精确和合理地解释这个大千世界。

　　（２）数据集的问题： 然后在选取模型的数据集上，突然发现了一个问题，要是数据集不平衡呢？会给模型带来什么影响？仅仅是因为这个问题，所以花了一段时间去研究这个问题？

　　（3）不平衡数据集学习： 从研一下学期，就一直思考，怎么解决数据集中不同类别之间不平衡，说白了就是有些类别的样本特别多，而有样本有特别少。这两类数据在一起进行学习，模型能适应么？这是一个问题。后来查阅这个领域，在监督学习（比如分类）已经很熟了，有较多的学习方式尝试去解决，在无监督领域（聚类，特别非参的），这个领域研究的论文很稀有，可能难度在上升。所以，是未来值得去探索的。

　　（4）研究的价值：我算是个待人上，倾向于佛家思想之人（尽管很不合格）。所以，能吸引自己去执着的事，自然自己会赋予它很多意义。尽管自己不伟大，生在当下，也会偶尔不得物质些（以后我是会工作挣钱）。但是还是对引领的事情、很有意义（自己赋予）和创始人一样的（不断尝试做别人没做过的事情）。

　　（5）应用场景：生活中正是太多，如果你哪一天开始思考这个问题的时候。比如，[1] 银行的信用卡的欺诈行为，毕竟绝大多数的行为是正常的，怎么能够更加精确地识别异常行为问题呢？[2]疾病诊断中，精确地诊断，对于个性化治疗方案是很有有意的，当下这个时代，各种奇怪的病致命疾病的出现，已让医生们误诊率的又得到增加，这并不是什么好事。[3]恐怖袭击，隔几年就有发生一次，在路上，形形色色各种人，绝对多数是正常的行为轨迹，可是恐怖事件的行为轨迹，由于少，独有特征混在其中，知道发生事情，才知道。很遗憾。还有很多。。。真多，世界本来就存在很多分布不平衡的现象，“富人越富”也是当下国家之间，人之间的矛盾的一个重要因素。

4、学术研究心态

【1】忘记自己，不是因为会带给自己荣誉，你才去做这件事；切记功利心太重
【2】保持谦虚，与不同领域、同行的交流，保持一颗学习的心态；
【3】坚持与努力，是你走出很多困境的启明灯；
。。。。。。

5、遇见自己！明白自己要追寻什么？