晚上，翻到一篇写北京卤煮的文章。15年夏天在北京，一个姑娘带我去了一个南城的胡同里吃卤煮。买单的不是我，领餐的也不是我。 在吃完之前我都没太搞清楚到底卤煮里面的那些具体是什么。我在当时常聊的微信群里说我在吃卤煮的时候，我哥来了一句，Star，你居然敢吃卤煮啊？当然敢。 我有什么是不敢的。科科。 但是，被科普完卤煮的构成以后，正站在五道口农科院的那片稻田前的我，差点连同刚刚吃的吴裕泰抹茶冰淇淋一 ...

equals, == 和compareTo == 操作符并不涉及对象内容的比较。 equals 比较的是reference，也就是引用内容 compareTo(): 在基本数据中，compareTo()是比较两个Character 对象； 在 Boolean中，是用boolean的实例于其它实例进行比较； 在String 中，则是按照字典顺序进行比较，返回的值是一个int 型。 <pr ...

概念学习（Concept Learning） 概念学习是指从某个布尔函数的输入输出训练中推断出该布尔函数。 例子 为了更好地理解概念学习，我们从机器学习经典教材《Machine learning》（Tom Mitchell著）中的经典例子来解释： 我们可以看到，属性EnjoySport表示最终是否运动，而这个任务的目标是根据sky，humidity等的属性来预测出EnjoySport的值。 ...

机器学习是基于数据的人工智能（1980s-现在），机器学习能够通过学习例子来完成任务。 机器学习框架 通常是成对出现（Input-Correct_Output） 机器学习的常见情况： * **分类(Classification)**： 医疗诊断： 从一个输出指向一些分类；* **回归（Regression）**：预测明天的天气：从一个输出到一个数字 逻辑回归（Logistic ...

Informaiton 信息 ！= 知识 信息用来减少不确定性 当我们得知E事件发生，意味着我们得到了 bits的信息。 * 其中log的底数并不重要，我们假设为2. * 这也可以认为这个表示了事件E的“惊喜”数量。 * 例如抛一枚硬币得到的信息是： * 抛一枚骰子得到的信息是： 信息熵（Entro ...

Machine Learning 总结 Probability and Statistics 常规变量（Regular variables）应该是数字或者是其他。相反，随机变量（Random Variables）是一系列值得分部。 比如，扔一枚硬币是随机变量X的如下分布，‘Head’可能性为0.5，‘Tail’可能性为0.5. 一般我们用大写字母表示随机变量，用小写字母表示随机变量取的值 ...

夜里从灯火通明的学校回到家，虾米随机放了一首歌。 居然是李宗盛版的《阴天》。 我一下想到了我哥，一个长期只听李宗盛和民谣的男人。大多数的时候，我会忘记他只比我大一岁，他讲起道理，总是让我不得不服。 印象里，一起奋斗的日子里，他总是窝在沙发里，Mac就公放李宗盛。我一个本来没听过李宗盛的人，最后连《山丘》的歌词都倒背如流了。 每句话，都像过完了一生。 之后，有睡不着的时候，会把这首歌拿出来听。 ...

在list里面边查找边remove，会出错。 因为这个原因Debug了一个早上真是哭瞎。 原来是： 123for h in total_h: if attr_value_list not in h: total_h.remove(h) 但结果始终错误，跑不出分。 调用remove后，index改变了。 所以改成了如下，先把要remove的存在新的list里面，再遍历list去掉 ...

        落地灯温和地亮着，收拾好卧室，摆好衣架，厨房餐具摆好，才终于有时间坐在自己拼的沙发上和室友讲几句话。       来了一周多一些，几乎都在疲于应付一个安身立命的地方。想来，被海关关过小黑屋，被房屋manager吼过，被不靠谱的管理人员放鸽子，被计划中的室友坑得措手不及。       刚到匹兹堡，第三次跑到自己四月份就租下来的公寓却还是拿不到钥匙的时候，一个人，在公交站台，差点就哭 ...

今天坐在窗台的位置，看着蓝天白云发了会儿呆。 还有三天就要离开上海了。在每一个写过文字的地方都会说，上海啊，我真喜欢这座城。 也许去过很多地方，也许将要去很多地方，也许看过很多风景，也许将要看很多风景，但我不会忘记在我还年轻的时候，上海所给予我的一切。 这里是让我心安的地方。对一个人来说，这样的地方不会很多的。 想起在澳洲的时候总会看星空，第一次住进大房子的时候，坐在阳台上看了好久，也不说话，也 ...