The Transformation of Mike

重点讲了回归和分类两种机器学习以及对应的模型评估方法。 回归猜测多项式，引入误差函数。通过最小化误差函数修正多项式。修正误差函数的方法有最速下降法，利用所有数据偏微分更新参数，但缺点在于计算量过大，故引入随机梯度下降法和小批量梯度下降法，随机利用某个或某些数据偏微分更新参数。 分类如果线性可分，可以猜测权重向量，并使得它能够和分割线的内积为零。修正权重向量的方法有感知机。分类如果非线性，可以看概率，引入sigmoid函数作为概率，通过定义目标函数微分更新参数。目标函数有似然函数，可取对数变形。 模型评估有交叉验证，把数据分为训练集和测试集。利用测试集，回归可求均方误差验证，分类求精度、精确度、召回率或F值验证。根据学习曲线可以区分过拟合和欠拟合。为了防止模型过拟合，可以正则化，增加正则化项使得参数变小，减少对模型影响。

人各有所长，各有所短，有优点，同样会有缺点，用人需要学会运用他人的优势的一面，此需要允许人带有的缺陷，劣势，不足之处，在为得利时，允许弊端出现，人与人不同，不可能什么事都能做，什么位置都能去试，需知人善用。 看待一个人的角度不同，得出答案就不会相同，不需要听从他人的看法，需要自己去看去了解，并进行思考，对他人无意，或会对自己有意。 学会变通，不同的方式去面对问题，灵活的运用，以此达到目的，固执古板，都将成功推出门外，将失败迎入门内。

一夜之间，她从天堂跌落地狱，从名满天下的才女变成毒杀全家的通缉犯。朝堂之上，他贵为皇子，却深受诅咒，周边时刻埋伏巨大谜团，死亡萦绕不退。机缘巧合，他成为了她的主人，两人抽丝剥茧，探寻谜底，真相就在眼前，但又难以捉摸。编剧勾勒出气象磅礴的大唐盛世，将表面的盛世繁华和内在的糜烂腐朽形成对比，以案件发展为主，言情为辅，力荐在读诗读史闲暇之余读一读

决胜B端整体而言，可以带领1-3年B端产品进行深入的思考及查漏补缺；以分销的完整体系为例带领大家从头分析，可以帮助大家在日常实战的时候查漏补缺，虽然过于流程，但这也是我们形成精细化操作的必不可少步骤； 对于企业架构的分析，可以帮助我们从更高的视角去看待B端产品的业务，如果和我一样所处的公司都是初期的话，深入看完企业架构或许会有所震撼及启发； 每一集数分析最后会告知读者一些学习路径，帮助大家更好的深入的学习B端知识；