@wsbnd9
@YAHOOQQ
@ChrisYoung 4000507507 打这个号码？给我狠狠地打，重复拨打 20-30 次即可召唤神兽。

不要放弃任何一点希望，多跟家人在一块，加油！

对工作经验有要求吗？

这个很简单啊，用 time.sleep() 就可以。

第一次执行脚本，脚本安装 package，当执行到 import 语句，刚刚安装好的 package 还没有被索引到。我猜是这个原因。

可以试试 diggo，支持你的需求。

@Priest

我跟您的经历也一样，不知道您现在还有没有继续坚持下去。

我本科是学国贸的，毕业时考研失败，找工作的时候发现自己啥也不能干，销售类的工作自己非常不喜欢，然后开始看一些计算机和心理学方面的书籍，无奈基础太差。后来想了想，不如二战考研，正好给自己一段缓冲的时间。我的本科学校出身不好，但是我野心很大，直奔哈工大去了，选择报考一个能跟计算机方向沾边的管科专业。经过半年多的复习，初试成绩还不错，排名第五，但是复试的时候被刷了，心情别提有多郁闷，最后在老师的帮助下调剂回本省一个双非学校。

后来我在商学院读研，根本没有人弄计算机编程，一切什么的都得靠自己去摸索。刚开始编程啥也不会，我就想数据挖掘什么的要用到统计和数学，要不我就先从数学切入，当时就买了很多书一个人啃，什么统计学习方法、数据挖掘导论、机器学习等，还去 coursera 考了一个机器学习的证书。学完了这些理论之后我才开始学编程的，开始 Python 和 R 语言都有接触。我导师资源比较少，一个提供学习的场所都没有，幸运的是后来找到了一个勤工俭学的机房，从此便一发不可收拾。从研二开始，我几乎每天都泡在机房看书、学 Linux、敲代码、捣鼓机房的机器、搭建博客[李彬 \| Thinking Realm \- Machine Learning, Algorithm]( https://www.libinx.com/)，然后把自己的一些学习笔记放在博客上面，事实证明这些对后来我找工作是有帮助的，它帮我找到了两份实习和一份校招 offer。因为我完全就是野路子，只有这些东西来证明我的热爱。所以，当你不知道干什么的时候，先跑起来再说，比方，你要造辆汽车，先把车轮子框架搭建起来，让它能跑起来，然后再去优化升级，而不是光坐在原地设想！

校招季找工作也费了不少力气，我一心想从南方来帝都闯一闯，前前后后找了好几个月，毕竟跨专业太难了，小公司的 offer 倒也拿到几个，最后来了北京一家不大不小的互联网公司。然而，就在我以为能好好大干一场的时候，我发现职场中并不是我理想中的那样，而是充满了变故，比如管理混乱、架构调整、项目失控，种种导致工作状态不佳，干得很不开心。上个月，老大急于招牛人改变现状，把我加上组里另外一个应届开发都劝退了，然后重新开始找工作。当时我一心想进大公司，想去见识见识，后来才明白，加入一个好的组织是多么的重要，后悔没有听实习公司老板的话，但，这些坑只有自己踩过你才会罢休的！

与楼主和 @Priest 共勉！

@AndrewGhost #3 今年刚毕业，换工作😓

@qdzzyb 对，边界就 key。

@vebuqi [email protected] 谢谢

不用显示器，x230 的小屏，也还行。

是不是可以从特征的重要性着手？比如对每个特征单独训练出一个分类器，然后根据预测正样本的个数来对特征的重要性排序。

赞！仔细看了看图，图中的偏差和方差都是针对于单个样本的，最后还需要将所有样本的偏差和方差求和汇总吧？

说一说我对方差和偏差的理解：

方差和偏差分别评价了两个不同因素（数据、模型）在机器学习中的表现，也可以这样来理解：方差代表了数据扰动所造成的影响，增大样本容量通常可以减轻数据扰动带来的影响；偏差则刻画了算法或模型的拟合能力，它与数据本身关系不太大，通过特征工程、调节参数、选择模型等手段可以解决偏差问题。随着训练程度的增大，学习器拟合性能越来越强，偏差会越来越小，而数据的任何扰动则会使已经完善的学习器产生较大方差。

总之，方差关乎数据，偏差关乎模型。

下面这张图讲得很清楚：


@metaquant 速度真快，怎么实现的？

@abcwu 现在不流行 BBS 论坛式的交流，及时通讯把人们的耐心都消耗掉了，能认真看文章写回复的人不多。

@lloovve 背离了写博客的初衷

@chengluyu 个人的笔记一般是抗遗忘或者纠错，对到访者可能不会有太大的吸引力，如果想获得更多的流量还需要形成自己的风格标签🏷

@Zzdex 我写博客的主要目的也是记笔记，但是更好的场景是经常有读者的反馈。

@night98 CSDN 随便一篇文章的浏览量就是上千，不过谁会去关注作者啊？