Haley_Hu's Blog

Teaching is Learning,一起交流!


  • 首页

  • 简介

  • 标签

  • 分类

  • 归档

  • 搜索

时间管理(4)

发表于 2018-10-12 | 更新于: 2018-10-12 | 分类于 自我提升
字数统计: 753字 | 阅读时长 ≈ 3 分钟

写在前面

前面三章通过要事管理可以把短期任务集中管理起来;通过早期创造了整块的自主时间;通过习惯养成巩固了自己的好习惯。这章讲述碎片管理——如何高效利用碎片时间。将掌握如何把浪费的时间利用起来的方法。

内容

分析

工作和生活都是应付状态,自己想做的事情也是随意想想又随意放在一旁,大部分时间刷手机自己也并不介意。害怕遇见糟糕的自己,也害怕遇见最棒的自己。

认为时间管理的方法不合适自己。其实哪儿来的适不适合呢?这就好像一个人要学武功,却非说跑步、站桩、练拳之类不适合自己,在他们看来,也许不费吹灰之力一掌把别人打飞才是他们觉得唯一合适的。

工具

安卓手机用户:Rescue Time软件

作用:记录手机和电脑上各种软件的使用时间,并自动按照工作、娱乐、学习等分门别类,每天会生成一张报表来展示你的时间使用情况。

苹果用户:并不用按照老师所说的,只要升级为IOS12即可查看,各个app使用的时间,非常直观,比如我就是社交最多。

方法

待处理清单

结合好工具,接下来就是要好好利用好待处理清单这一个要事清单。

写下你所有要做的事情,尤其是要事,并且随时想到事情随时更新。待处理清单应该成为我们的行动指南。

我们需要主动安排事情,而不是等到迫在眉睫的时候才去处理事情,这样就会导致我们感觉特别忙特别焦急而且压力大,如果没有合理的安排事情,一闲下来我们自然就会觉得无聊没事,找刺激且浪费时间。当我们使用待处理清单来处理事情,我们时间就被分为两个部分,完成清单的时间和其他时间。先完成清单时间,再好好利用其他时间。

写在后面

提升时间利用率我们都应该做的事情,一共三方面:

第一,我们可以使用自动时间记录工具来追踪你的电子设备使用情况,从而掌握自己目前的效率

第二,必须按照带处理清单来执行每天的任务

第三,了解每天执行清单任务所花费的时间。将更多的待办事项随时填写到待处理清单中,进一步扩大时间利用。

时间是你最宝贝的资源,越是富有的人越是这样觉得,逐渐把自己逝去的时间补回来,你就会看到自己巨大的改变,加油!

时间管理(3)

发表于 2018-10-11 | 更新于: 2018-11-21 | 分类于 自我提升
字数统计: 947字 | 阅读时长 ≈ 3 分钟

写在前面

上一节我们学会了如何早起,早起既是一种非常立竿见影的时间管理方法,同时也是一种习惯。和早起一样,我们总觉得这是自己的意志力薄弱,其实,多数人开始培养一个习惯都不自觉的使用了错误的方法,期望过高,太过严苛,也就注定失败。为了养成一个良好的习惯,我们这节将讲解学习如何[如何坚持和养成好习惯]。从”烂开始”,”具象法”和”小红花法”。

阅读全文 »

时间管理(2)

发表于 2018-10-10 | 更新于: 2018-10-10 | 分类于 自我提升
字数统计: 1,215字 | 阅读时长 ≈ 4 分钟

写在前面

这里讲的是睡眠管理:如何养成早起习惯!早起,是最养生和搞笑的时间管理方法。但是真要坚持早起,却又难住了很多人。就比如我,曾经参加过早起活动,最后还是以失败告终。不过这部分,我们将学习到无痛起床的技能,帮助我们轻松实现早起并且真正坚持下来。我们也将学习到三个工具:双闹钟法,五分钟清醒术,三条命坚持。

阅读全文 »

时间管理(1)

发表于 2018-10-09 | 更新于: 2018-10-09 | 分类于 自我提升
字数统计: 944字 | 阅读时长 ≈ 3 分钟

时间管理第一课笔记

如何用清单管理要事

写在前面

我们先来了解下“时间管理四象限”。按照重要性和紧急性两个指标把事情归纳为四类:重要紧急,重要不紧急,不重要紧急以及不重要不紧急。其实就是“要事优先做”,以免变的更加紧急。

但是真正行动起来的时候却发现:越重要的事情我们似乎越是拖着不愿意做,即变的越来越重要越来越紧急,最后就是刚刚好完成,乃至完成不了。戳痛泪点,我就是典型的这样,觉得时间会很多,时间也足够做完,想想还是比较可怕的。

阅读全文 »

精读西瓜书(四)

发表于 2018-09-22 | 更新于: 2018-11-08 | 分类于 机器学习 , 精读西瓜书
字数统计: 838字 | 阅读时长 ≈ 3 分钟

写在前面

继续西瓜书第二章内容,这篇内容以比较检验,偏差与方差为主,即将结束西瓜书第二章内容。

知识点归纳

比较检验

有了实验评估方法和性能度量,就能对学习器的性能进行评估比较。

但是怎么来做这个比较?

实际上,机器学习中性能比较是比较复杂的,这里面主要涉及到三个重要因素。

1、希望比较的是泛化性能,但实际获得的是测试集上的性能,两者对比结果可能未必相同

2、测试集上的性能与测试集本身的选择有很大关系,即便是相同的测试集,测试样例不同,测试结果也会有不同

3、学习算法本身就有一定的随机性,即便相同的参数、相同的测试集,运行多次,结果也会有不同

因此,统计假设检验(hypothesis test)为我们进行学习器性能比较提供了重要依据。

假设检验

为了便于讨论,本篇默认 以错误率为性能度量,用$\epsilon$表示。

比较检验的重要方法是统计假设检验。我们先来链接一下何为假设检验,若想详细了解,请自行学习并参考《概率论与数理统计》浙江大学[第四版]。下面简单的解释一下假设检验。

在总体的分布函数完全未知或只知其形式,但不知其参数的情况,为了推断总体的某些未知特性,提出某些关于总体的假设。我们要根据样本对所提出的假设作出是接受,还是拒绝的决策。假设检验是作出这一决策的过程。

假设检验四步走:

1、条件:满足条件(总体的分布函数完全未知或已知其形式,但不知其参数)

2、目标:推断总体的某位未知特性为目标

3、方法:提出某些关于总体的假设

4、行动:根据样本对所提出的假设作出是接受还是拒绝的决策

假设检验在机器学习的【比较检验】中是如何应用的,接下来来说明解释。

假设检验中的“假设”是对学习器泛化错误率分布的某种判断或猜想。

1、条件:

现实任务中,我们并不知道学习器的泛化错误率$\epsilon$,只能获知其测试错误率$\hat{\epsilon}$.泛化错误率与测试错误率未必相同,但直观上,二者接近性比较大。因此,可根据测试错误率估推出泛化错误率的分布。

2、目标:

“若在测试集上观察到学习器A比B好,则A的泛化性能是否在统计意义上优于B,以及这个结论的把握有多大。”这便是总体的未知性。

3、方法:

以书中的例子为例,“$\epsilon = \epsilon_0$”,将泛化错误率假设为某数值$\epsilon_0$。

4、行动:

通过显著度$\alpha$来判断做出假设该被接受还是拒绝。

举例说明:

测试错误率:$\hat{\epsilon}$

泛化错误率:$\epsilon$

测试样本数:$m$

误分类样本数:$m^\prime$

未完待续

精读西瓜书(三)

发表于 2018-09-19 | 更新于: 2018-11-21 | 分类于 机器学习 , 精读西瓜书
字数统计: 2,925字 | 阅读时长 ≈ 11 分钟

写在前面

这里接精读西瓜书二内容,仍然讲的是模型的评估与选择,主要是性能度量。

知识点归纳

性能度量

先复习一下,机器学习理想的目标。

通过评估学习器的泛化误差,选出泛化误差最小的学习器。

上一节,通过不同的评估方法来选出最终的模型,但是对于学习器的泛化能力进行评估,仅仅评估方法是不够的,还需要有衡量模型泛化能力的评价标准,这就是性能度量(performance measure)。

【性能度量(performance measure)】:衡量模型泛化能力的评价标准

性能度量反映了任务需要,在对比不同模型的能力时,使用不同的性能度量往往会导致不同的评价结果。因此,什么样的学习器是好的,不仅仅取决于算法和数据,还决定于任务需求。

在预测任务中,$y_i$是示例$x_i$的真实标记,要评估学习器$f$的性能,需要把学习器预测结果$f(x)$与真实标记$y$进行比较。

因为有标记,所以讨论的是监督性学习。

阅读全文 »

精读西瓜书(二)

发表于 2018-09-03 | 更新于: 2018-11-21 | 分类于 机器学习 , 精读西瓜书
字数统计: 3,059字 | 阅读时长 ≈ 11 分钟

写在前面:

第二章主要让我们了解经验误差与拟合,评估方法,比较检验以及偏差与方法,重点主要是评估方法,理解过拟合与欠拟合,roc曲线。

知识点归纳

经验误差与过拟合

【错误率(error rate)】:分类错误的样本占样本总数的比例

例:m个样本中有a个样本分类错误,则错误率$E = a / m$

【精度(accuracy)】:分类正确的样本数占样本总数的比例

例:m个样本中有m-a个分类正确,则精度$A = 1 - E$

【误差(error)】:学习器的实际预测输出与样本的真实输出之间的差异

例:比如有1000个西瓜,其中真实的好瓜有600个,但是学习器预测的只有400个,这之间的差异就是误差。

【训练误差(training error)或经验误差(empirical error)】:学习器在训练集上的误差

注意:学习器就是在训练集上训练出来的,但实际上在回到训练集上对样本进行结果预测的时候,仍会存在误差。(换句话说,就是结果值与标记值不同)

【泛化误差(generalization error)】:学习器在新样本上的误差

阅读全文 »

精读西瓜书(一)

发表于 2018-09-01 | 更新于: 2018-09-02 | 分类于 机器学习 , 精读西瓜书
字数统计: 908字 | 阅读时长 ≈ 3 分钟

写在前面

我们在这里将学习到以下:

  • 机器学习定义
  • 基本术语
  • 假设空间
  • 归纳偏好
  • 发展历程(了解即可)
阅读全文 »

Matplotlib

发表于 2018-07-10 | 更新于: 2018-11-21 | 分类于 数据处理
字数统计: 4,874字 | 阅读时长 ≈ 25 分钟

数据展示及可视化

  1. 数据可视化的重要性

  2. 基本图表的绘制及应用场景

  3. 数据分析常用图标的绘制

  4. Pandas及Seaborn绘图

  5. 其他常用的可视化工具


数据可视化准则

  • 真实性(Truthful)
  • 功能性(Functionality)
  • 美观(Beauty)
  • 深刻性(Insightful)
  • 启发性(Enlightening)
阅读全文 »

Pandas

发表于 2018-07-09 | 更新于: 2018-11-21 | 分类于 数据处理
字数统计: 8,874字 | 阅读时长 ≈ 41 分钟

Pandas进阶及统计分析

基本数据对象及操作

数据清洗

数据合并及分组

透视表


基本数据对象及操作

  • 2008年由Wes McKinney创建
  • 一个强大的分析结构化数据的工具集
  • 基础是NumPy,提供了高性能矩阵的运算

链接:pandas

阅读全文 »
1…5678
HuXuzhe

HuXuzhe

机器学习、深度学习挖坑中~

72 日志
9 分类
40 标签
RSS
GitHub G-Mail Youdao 知乎 简书
友情链接
  • xrblog

© 2019 HuXuzhe | 全站字数统计: 99.2k 字
主题 - NexT.Muse   |  本站总访问量次   |  您是第位访客
扫微信加好友,注明博客
0%