 电子书好运作者：喻颖正（老喻） 评分：4.4 【得到独家首发】“孤独大脑”主理人老喻重磅新作，探究概率机制，设计好运人生。 概率权，作为喻颖正（老喻）的原创概念，贯穿《人生算法》和《好运》这两本书。 人生真的就是一场概率游戏吗？某种意义上的确如此。宇宙那么大，迄今只发现在小小的地球上有生命；人类进化那么久，我们偏偏在这短短几十年间相逢；世界上有那么多书，你却打开了这本《好运》。 本书从数学、物理、哲学、社会四个维度，围绕 “时间、因果、空间、偶然、命运、幸福、人生、希望”人生八幕和好运八则，直指运气的物理定律和社会定律。只有理解了好运的配方，我们才可能设计自己的人生。 作者揭示了成长、赚钱、创业的“第一性原理”，展现如何抓住好运的秘诀，并邀请你一起再造我们的“好运系统”。  电子书人生算法：用概率思维做好决策作者：喻颖正（老喻） 评分：4.7 随后，《老喻的人生算法课》在得到App（应用程序）上线，其受欢迎程度令人十分意外。《人生算法》这本书的核心观点是，任何一个人，只要找到属于自己的人生算法，就有机会突破命运的局限，实现富足自由的人生。你也许会觉得有点儿奇怪，“人生”关乎“命运”，充满了不确定性； 6条  电子书成长算法作者：喻颖正（老喻） 评分：4.6 《成长算法》：7把金钥匙，助孩子自主成长。 现如今让父母最头疼的三个问题： 战略难题：孩子未来该往哪个方向走？ 战术难题：具体某个方向到底该怎么走？ 实战难题：孩子不爱学、不会学、学不会，怎么办？ 对于上述难题，现实中遍地都是答案，但却不能给家长一个科学的、系统的“全景图”。 孩子就像一棵树，需要“阳光雨露、空气水分、森林环境”所构成的整体生态体系。《成长算法》这本书给你的，正是高手家长需要的七把“金钥匙”：兴趣、行动、博学、成就、幸福、希望和共赢，为你提供一套模块化、可视化、可操作的完整体系，帮你开启孩子自主成长、决胜未来的七大关键能力。  电子书命运作者：蔡崇达 评分：4.8 《皮囊》作者长篇新作。献给想要改变命运的你：“只要活下去，命运终是赢不了我们的。” 《命运》是蔡崇达继《皮囊》之后，时隔八年潜心创作的长篇小说。 《皮囊》里的那句“皮囊是拿来用的，不是拿来伺候的。”正是出自《命运》的主人公，阿太之口。 本书以九十九岁的她一生的故事为主线，串联起福建闽南沿海小镇几代人的人生故事、命运选择与时代浮沉。 全书以阿太的五段回忆，切入时间长河中人们不得不直面的一个个本质命题。 层层浪：你们就此没有过去，只有将来—— 当原本稳固的活法被打碎，给人庇护的传统秩序被割裂，陷入巨大无常中的一个个单薄的人，要如何活下去？内心的安宁要放置在何处？ 海上土：灵感是浮游在海上的土—— 羁绊和意义是人心灵的压舱石，当生活的浪头打过来时不至于被掀翻。阿太生命中那些失去了压舱石的人，被命运一个个顺水推舟地带走了。而此时的她，尚只有十六岁。 田里花：想结果的花，都早早低头—— 背负着“无子无孙无儿送终”的命运预言，她成了亲，有了婆家与丈夫，抱养了孩子。但见过命运的人会明白，命运的激流从未停止，人在其中并不知晓，哪一次告别，就是诀别。 厕中佛：腐烂之地，神明之所—— 时代的巨浪之下，如何守住内心的清明与信仰？这世上容易的活法，就是为别人而活。而如果那人恰好也是为你而活，那么日子再苦，也过得像地瓜一样甜了。 天顶孔：要么入土为安，要么向天开枪—— 阿太的故事走到了落幕时分，死亡成了她亲密的旧友。她终是生下了自己的命运，成为自己命运的母亲。这人间她来过，她永不再回。  电子书计算进化史：改变数学的命运作者：[法] 吉尔·多维克 阿隆佐·丘奇（Alonzo Church，1903—1995）提出了“可计算函数”概念的一种定义——λ演算。他和罗塞尔一起证明了λ演算是合流的。他与克莱尼一起，与图灵在同时期证明了停机问题不可判定。他又与图灵同时证明了谓词逻辑下的可证明性不可判定。丘奇提出了λ演算及其等价方法可以涵盖通用算法概念的思想。他试图将数学建立在λ演算上，却失败了，但这为未来的众多研究工作打下了基础。丘奇还重新提出了罗素的类型论，融入了某些源自于λ演算的思想，最终得出了丘奇类型论。  电子书数字化时代的科际法学作者：孙笑侠 主编,杨晓畅 主编 而没有考虑到无形的算法评分、算法排序和算法决策对人造成的影响。在这些场景中，算法往往是无形的，人们无法判断损害是否由它造成，更不清楚算法本身是如何编写的。算法往往属于企业的“商业秘密”，是受法律保护的名正言顺的“黑箱”。 4条  电子书机器学习作者：赵卫东, 董亮 GBDT）是一种迭代决策树算法，主要用于回归，经过改进后也可用于实现分类任务。GBDT的实现思想是构建多棵决策树，并将所有决策树的输出结果进行综合，得到最终的结果。 6条  电子书决策算法作者：[美] 米凯尔·J.科申德弗,[美] 蒂姆·A.惠勒,[美] 凯尔·H.雷 POMDP算法（算法22-1）和马尔可夫决策过程算法之间的主要区别在于，计数和值与历史（history）相关联，而不是与状态相关联。历史是一系列过去的行为和观测。例如，如果我们有两个行为a1和a2以及两个观测值o1和o2，那么可能的历史是序列h=a1o2a2o2a1o1。 7条  电子书第一推动丛书·综合系列（共8册）作者：[美] 梅拉妮·米歇尔,[美] 约翰·E.梅菲尔德,[英] 罗杰·彭罗斯,[美]马丁·戴维斯,[英] 约翰·波尔金霍恩,[美] 约翰·布罗克曼,[美] S.钱德拉塞卡,[美]麦克斯·布罗克曼 评分：4.5 电子书：《第一推动丛书·综合系列（共8册）》 作者：[美] 梅拉妮·米歇尔,[美] 约翰·E.梅菲尔德,[英] 罗杰·彭罗斯,[美]马丁·戴维斯,[英] 约翰·波尔金霍恩,[美] 约翰·布罗克曼,[美] S.钱德拉塞卡,[美]麦克斯·布罗克曼 简介： 不可错过的综合科学经典，多位诺贝尔科学家呕心沥血作稿，世界公认有创见的思想家成书。 本书集结了《第一推动丛书·综合系列》中的8本重要著作：《复杂》《复杂的引擎》《皇帝新脑》《逻辑的引擎》《数学的意义》《未来50年》《真理与美》《下一步是什么》。 《复杂》：蚂蚁在组成群体时为何会表现出如此的精密性和具有目的性？数以亿计的神经元是如何产生出像意识这样极度复杂的事物？是什么在引导免疫系统、互联网、全球经济和人类基因组等自组织结构？这些都是复杂系统科学尝试回答的迷人而令人费解的问题的一部分。理解复杂系统需要有全新的方法.需要超越传统的科学还原论，并重新划定学科的疆域。借助于圣塔菲研究所的工作经历和交叉学科方法，复杂系统的前沿科学家米歇尔以清晰的思路介绍了复杂系统的研究，横跨生物、技术和社会学等领域，并探寻复杂系统的普遍规律，与此同时，她还探讨了复杂性与进化、人工智能、计算、遗传、信息处理等领域的关系。 《复杂的引擎》：本书结合信息、进化和计算对生物进化进行了阐释，证明了计算在进化中的核心作用，并将这套计算和进化相结合的核心机制扩展到其他领域，用来解释复杂生命、结构、组织和社会秩序的形成。这是一次正在进行的重大的科学认知范式的转换，它不仅会改变科学，也会改变人类对自身境况的认知。 《皇帝新脑》：书中对电脑科学、数学、物理学、宇宙学、神经和精神科学以及哲学进行了广泛的讨论，体现了作者向哲学上最大问题——“精神-身体关系”挑战的大无畏精神。书中充满了天才般的猜测，重新衡量相对论和量子理论，以及对现代物理及人工智能的新看法。 《逻辑的引擎》：本书讲述了计算机思想层面的历史，通过引人入胜的材料描写了莱布尼茨、布尔、康托尔、希尔伯特、哥德尔、图灵等天才的生活和工作，讲述了数学家们如何在成果付诸应用之前就已经提出了其背后的思想。 《数学的意义》：在冈道尔夫堡和剑桥召开的这两次跨学科专题讨论会上，数学家、物理学家和哲学家们对“数学是什么”这一问题进行了探讨。本书以周详的形式再现了每位与会者在讨论中所展现的风采，这些讨论既反映了其所需的思想精确性，又能顾及到非专业人士的可读性。 《未来50年》：本书汇集了世界上相当有眼光的科学家们25篇未曾发表过的文章，从未来的理论和未来的实践这两个方面介绍了我们有生之年可能看得到的技术进步。书中不仅探讨了不远未来的实践，还探讨了即将到来的新奇世界的发展如何对社会和政治产生影响。 《真理与美》：本书收集了作者的七篇演讲，描述了几位杰出的物理学家创造和体验美的经历，如海森堡发现量子理论，爱因斯坦完善其著名的方程式，魏尔提出引力规范理论等，它们都涉及到共同的问题：动机、创造和美。作者认为追求科学的过程就是追求美，美是各部分之间以及部分与整体之间固有的和谐。 《下一步是什么》：本书内容源自不同研究领域的18位青年科学家，不仅介绍了他们各自所在领域的新进展，还讨论了其工作对社会、伦理和哲学等方面的影响，涉及方面包括天体物理学、人类学、气候学和神经科学等。对我们如何看待自己，以及如何看待我们在宇宙中的地位都会产生一定的影响。  电子书机器学习（第2版）作者：赵卫东 编著,董亮 编著 算法之一，该算法使用一个测试集进行测试，记录下对于决策树的每棵子树剪枝前后的误差数之差，选取误差数最少的子树进行剪枝，将其用样本中最多的类替换。按此步骤自底向上，遍历决策树的所有子树，当发现没有可替换的子树时，即每棵子树剪枝后的误差数都会增多，则剪枝结束。 5条  电子书机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）作者：[法] 奥雷利安·杰龙 但是，其他算法（例如ID3）可以生成决策树，其节点具有两个以上的子节点。图6-2展示了决策树的决策边界。加粗垂直实线表示根节点（深度0）的决策边界：花瓣长度=2.45cm。因为左侧区域是纯的（只有Setosa鸢尾花），所以它不可再分。但是右侧区域是不纯的，所以深度1右侧的节点在花瓣宽度=1.75cm处（虚线所示）再次分裂。 4条 电子书 人工智能：现代方法（第4版）（精装版）作者： (美) 彼得·诺维格 (Peter Norvig) 评分：5.0 图19-5 决策树学习算法。重要性函数Importance将在19.3.3节中给出，函数Plurality-Value将选择样例集中最常见的输出，并随机地断开连接图19-6 根据12样例训练集推断出的决策树学习算法不需要包含对Raining与Reservation两个属性的测试，因为它可以在没有这两个属性的情况下对所有样例进行分类。 9条 电子书 巧用ChatGPT进行数据分析与挖掘作者：谢佳标 决策树算法；接着以鸢尾花数据集为例，详细演示了构建决策树、查看生成的决策规则、对决策树进行可视化以及绘制决策边界；然后对乳腺癌数据集进行了决策树分类并通过网格搜索寻找最优决策树分类模型；最后介绍了常用的集成学习算法，演示了基于scikit-learn对乳腺癌数据集进行随机森林分类的过程，并通过网格搜索寻找最优的随机森林模型。 4条 电子书 零基础学机器学习作者：黄佳 评分：4.8 我们仍然选择决策树分类器作为AdaBoost的基准算法。从结果上来看，这个问题应用AdaBoost算法求解，效果并不是很好：AdaBoost测试准确率： 79.45%AdaBoost测试F1分数： 51.82%9.3.2 梯度提升算法 6条 电子书 原来数学可以这样学：马先生谈算学作者：刘薰宇 电子书：《原来数学可以这样学：马先生谈算学》 作者：刘薰宇 简介： 著名数学教育家刘薰宇写给中小学生的数学科普经典。 本书虚拟了一个叫“马先生”人物，用马先生的视角叙述，主要讲解了如何用图解法求解算术四则问题，编写了100多道题目，由浅入深地讲解数学问题。 电子书 休谟的人生智慧作者：[英] 朱利安·巴吉尼 评分：4.7 电子书：《休谟的人生智慧》 作者：[英] 朱利安·巴吉尼 简介： 沿着休谟的思想轨迹，探索生活哲学的精髓。 本书中，朱利安·巴吉尼巧妙地将休谟个人的传记与思想史和哲学交织在一起，为我们展现了休谟的完整人生观。 巴吉尼在本书中整理了休谟关于美好生活的145条格言，内容涉及成功的意义、友谊、休闲的重要性等多个方面，展示了休谟如何将自己的哲学付诸实践，过上理性与激情、放松与享受相融合的生活，并证明以休谟为指南，生活可以变得更加多彩。 电子书 翁贝托·埃科重要代表作品集（共12册）作者：[意] 翁贝托·埃科 为什么一个出色的教师、一位杰出的艺术评论家，一位鹤立鸡群的科学家要放弃原本的职业，加入众多搞政治的庸碌之辈中去呢？事实上，贝内代托·克罗齐在进入政界之前的二十年里所处理的政治事务要比他真正为政府工作以后多得多。 电子书 风景与西方艺术（牛津艺术史系列）作者：[英] 马尔科姆·安德鲁斯 伯明翰的《哲罗姆》〔图13〕是贝利尼在16岁左右的时候绘制的，画中的人物、动物和风景形态的表现都存在着一种天真的朴素。构图主要是前景中悬崖的陡峭对角线，之后是平整的褐色沙漠和起伏的绿色背景之间的生硬的水平分割。一条只用一两点笔触潦草带过的小径是这两种风景之间的惟一连接。哲罗姆在这个混合风景里的位置表现了他的困境。他所选择的居所是沙漠里的岩石洞穴（“我能在那里进行我的讲演”），但是他所作出的放弃更舒适生活的选择被戏剧化地表现为将那种被遗弃的世界以背景的形式出现。哲罗姆在这里与它接近，他对生命的感知以一种象征的方式特意地遗留下来。这位瘦骨伶仃的圣人和干裂、无叶的树——沙漠里的惟一植物之间存在着某种一致性。风景于是以隐喻的形式表现了人类主体所面对的、精神上进退两难的境地。大多数15、16世纪以风景为背景的哲罗姆题材绘画作品都遵循了这个基本的构图概念，从而给自然背景加入戏剧性的意义，使观赏者能够从风景中阅读到许多关于圣人自我牺牲、自我决断的含义。在风景和圣人之间彼此依存的关系里，风景依赖着人类主体给予它道德或精神上的意义，而人类主体需要风景来完善他的意义。风景变成了戏剧的主体，而不单纯是一个装饰性的背景。 电子书 数字广告系统：技术、产品与市场作者：顾明毅 “主算法”开发的广告定价。互联网平台依托于广告位的“算法”一生成，就在经营效率和效果上超越了传统广告集团的缓慢增量战略。7.3广告竞价的“千人千面”在程序化交易兴起之前，以搜索引擎为代表的竞价广告实质上采用了一种“拍卖”方式来销售广告展示机会。 5条 电子书 例外状态：《神圣之人》二之一作者：[意] 吉奥乔·阿甘本 电子书：《例外状态：《神圣之人》二之一》 作者：[意] 吉奥乔·阿甘本 简介： 本书是阿甘本“神圣之人”系列的第三本作品，是对西方生命政治的历史-哲学考察计划的进一步展开。 阿甘本继续延伸自己的语言-法律思维，试图将“主权”的概念重新定位为“例外状态”的产物，一方面从回顾西方现代的例外状态史出发，上溯罗马法以考察其典范渊源，一方面则在施米特与本雅明的思想论战中思索翻转“例外状态”的出路，思索超越“权限”与“权威”之对立，打开一个新的政治行动空间的可能性。 电子书 如何用设计思维创意教学作者：[美] 约翰·斯宾塞,[美] A.J.朱利安尼 电子书：《如何用设计思维创意教学》 作者：[美] 约翰·斯宾塞,[美] A.J.朱利安尼 简介： 设计思维教育的科学方法，培养学生创造力和团队合作能力。 “设计思维”发源于设计界，后来被各行各业借鉴，斯坦福大学设计学院把它归纳成一套科学方法论后，迅速风靡全球高校和中小学。 设计思维分为5个步骤：同理心（收集对象的真实需求—定义（分析需求，提炼要解决的问题）—头脑风暴—原型制作—测试，优化解决方案。这套方法可以有效训练学生创造力，以及通过团队合作解决问题的能力。 本书是美国设计思维教学领域领导者、白宫“为未来做好准备”峰会主题演讲者重磅作品，系统介绍了STEM教育、创客教育、项目式学习、探究式学习背后的关键思维——设计思维。这是一种全新的组织课程与教学方式，一套迅速风靡全球高校和中小学的科学方法论。它使课堂发生巨大转变，让学生成为独立思考者、终身学习者与创客。当你听到“设计思维”一词时，脑海里可能会浮现出创客空间和STEM实验室的画面。但设计思维不止于此，它适合于各个学科。它始于挖掘学生的好奇心，允许他们去研究、提问、产生想法、创造、测试、完善，直到最终向受众发布自己的作品。 本书作者提出了一个利用设计思维进行创意教学的流程，可以适用于每个班级、每个年级、每个学科，帮助学生在掌握学科知识的同时，激发每个学生的创造潜能，释放每个学生内在的创客。即便你认为自己不是一个“创意教师”，通过本书的方法，你都能将创造力和创新力带入课堂，使课堂变得更具吸引力，更以学生为中心，更有乐趣。本书介绍了面向每一个年龄段学生的课堂示例，并附有设计思维教学备课案例。 电子书 辩护的政治：罗尔斯公共辩护思想研究作者：陈肖生 电子书：《辩护的政治：罗尔斯公共辩护思想研究》 作者：陈肖生 简介： 本书被许多学者评价为是具有国际一流水准的研究，标志着国内政治哲学界对罗尔斯思想的研究从介绍和翻译的阶段正式迈向了深入系统研究的阶段，这对于中国学术界严肃地思考当代自由主义思想面临的根本问题及其理论回应，提供了一个重要的开端。 《辩护的政治：罗尔斯公共辩护思想研究》以罗尔斯政治哲学著作为基础，通过深入的分析表明，公共辩护的理念是贯穿罗尔斯整个政治哲学生涯的核心思想，其后期的政治哲学转向，也与他早期的著作《正义论》无法满足公共辩护的要求有关。进而，从公共辩护的理念切入，使我们获得了考察罗尔斯后期政治哲学的一个新视角，它不仅能够揭示罗尔斯的政治性自由主义的理论特质，而且有助于理解罗尔斯后期政治哲学工作的主旨、实质以及遭遇到的困难。 电子书 人工智能：现代方法（第4版）（上下册）作者：[美] 斯图尔特·罗素,[美] 彼得·诺维格 评分：4.7 算法。它经常与决策树一起使用构成假设，通常该决策树的大小是受限制的。AdaBoost具有非常重要的性质：如果输入的学习算法L是弱学习（weak learning）算法——这意味着L总是在训练集上返回准确度略高于随机猜想的假设（即，对布尔分类问题来说，假设的准确度为50%+），那么AdaBoost将返回一个假设，对于足够大的K，该假设能对训练数据进行完美的分类。 6条 电子书 分类思维：不确定情境中合理决策的科学与艺术作者：康斯坦丁诺斯·V。卡齐科普洛斯【土】奥祖尔希姆谢克【德】马库斯·巴克曼【德】格尔德·吉仁泽 COMPAS风险评估工具已被用于评估超过100万名的罪犯。该算法根据137个特征和被告的过往犯罪记录，对被告在未来两年内犯下轻罪或重罪的可能性做出预测。例如，威斯康星州（Wisconsin）的一名男子被判处6年监禁，部分原因就是COMPAS算法预测了他重犯（再犯）和暴力行为的概率很高。 3条 电子书 失控与自控作者：[德] 格尔德·吉仁泽 评分：4.3 透明算法不仅限于决策列表或计值系统，本书也会呈现其他算法。透明算法有很多优点。在紧急情况下，专业人员必须掌握易于记忆的分类规则，以便快速有效地执行这些规则。算法透明还有助于确定算法是否包含偏见，例如种族主义。可见上文提到的PSA和决策列表都没有纳入种族的特征。 3条 电子书 现代决策树模型及其编程实践：从传统决策树到深度决策树作者：黄智濒 编著 每个估计器的最大深度限制了决策树的节点数量。5.2.3.4 GBDT算法的编程实践本节参考GitHub开源项目GBDT_Simple_Tutorial［33］的代码，该项目利用Python实现GBDT算法的回归、二分类以及多分类。我们将对算法流程进行解读并可视化，便于读者深刻直观地理解GBDT。 5条 电子书 世界前沿技术发展报告2024作者：国务院发展研究中心 国际技术经济研究所 编著 评分：4.3 2）美国开发出多感官模拟平台加速机器人AI算法训练2023年6月，美国斯坦福大学研究人员开发出名为Sonicverse的模拟环境，用于训练具有视觉和听觉元素的AI机器人。机器人投入实际环境之前，研发人员需要对控制其运动和执行特定任务的AI算法进行训练和测试，而Sonicverse多感官模拟平台可以更有效地训练这些算法。 3条 电子书 Python科学与工程数据分析实战作者：李晓东 编著 7.5.3决策树算法本节将着重讨论用于从训练数据中学习决策树的算法，决策树的学习算法通常从上到下。它会在任意的学习点检查最佳属性，并创建一个决策节点。不同的算法对最佳属性有不同的定义。基尼系数（Gini Coefficient）是基于任意节点对不同类别属性进行分割。 3条 电子书 考虑决策者风险偏好和愿景的多属性决策方法作者： 沈哲 还是三参数区间数，都是由原有实数多属性决策排序的经典算法和思路发展而来的，如TOPSIS、PROMEHTEE、ELECTRE等，由于人思维的模糊和不确定性，模糊多属性排序方法的研究更有意义。在多属性群决策方法方面：决策者由于时间压力和对决策问题缺乏认识等原因很难精确地表达判断信息，多属性群决策的判断信息更适合用模糊集而不是确定数的形式来表达。 4条 电子书 新能源消纳的有效安全域及其应用作者：杨明 等 在两种协调优化方法的对比中，考虑到交替迭代法是一种启发式算法，其获得的是从某一初始点出发的局部最优解，而Big-M法经过线性转化能够得到严格的全局最优解，因此，从调度成本和对风电功率扰动的覆盖能力两项指标来看，Big-M法对应的决策结果在安全性和经济性方面的优势更为明显。 3条 电子书 Python机器学习：基于PyTorch和Scikit-Learn作者：[美] 塞巴斯蒂安·拉施卡,[美] 刘玉溪（海登）,[美] 瓦希德·米尔贾利利 算法。此外，绘制每次迭代的分类错误，以检查算法是否收敛，并找到两种鸢尾花数据的决策边界：▲图2.6 山鸢尾和变色鸢尾萼片长度与花瓣长度的散点图 3条 电子书 Python强化学习：算法、核心技术与行业应用作者：[美] 埃内斯·比尔金 现在，我们将所有内容放在一个策略迭代算法中：这个算法从一个随机策略开始，在每次迭代中，执行策略评估和改进步骤。当策略稳定时停止。3. 重要时刻！让我们找出我们的食品卡车的最优策略，看看期望的每周利润是多少！4. 结果应该如下所示： 3条 电子书 金融科技：卓有成效的金融创新实践作者：[美] 尼尔斯·佩德森 算法偏差问题就是一个很有说服力的例子。如果决策的基础数据有偏差，就可能导致歧视性决策（discriminatory decision）。例如，如果以逮捕记录样本为训练数据，训练预测性警务算法，就可能会导致警察过度地把训练样本中代表的人口群体成员当成目标。 3条 电子书 现代人工智能技术作者：李远征 等 编著 算法，被称为SARSA算法。SARSA算法的具体过程如算法8-2所示。8.3.3 Q-Learning算法Q-Learning算法是一种非常著名的基于时序差分算法的强化学习算法。Q-Learning算法不需要借助明确的环境模型，可以通过智能体与环境的交互来对动作价值进行迭代估计。 2条 电子书 Python机器学习与量化投资作者：何海群 由参数n_estimators=100可以看出，GBDT算法虽然对于决策树的要求不高，但对于决策树的种类数量却要求很多，默认值就是100。第6组代码如下：按惯例，调用fit函数训练模型。第7组代码如下：虽然是决策树算法，但是由于是多种决策树的集成模式，所以无法绘制算法内部的模型结构。 3条 电子书 优化数学模型及其软件实现作者：周凯 编著,狄艳媚 编著,王丹婷 编著,沈守枫 编著 最后的决策变量为 100.0000 55.0000 80.0000运行如上MATLAB程序，可得到决策变量、目标函数结果与LINGO软件得到的结果完全相同，即x1=100，x2=55，x3=80，生产100台笔记本电脑A、55台笔记本电脑B、80台笔记本电脑C。 4条 电子书 中国量化投资作者：北京基金小镇研究院 编著 评分：3.3 其包括目前已有的以及日后会创建的所有算法，可能体现在交易的决策阶段，也可能同时体现在交易的执行阶段。3.高频交易高频交易（high-frequency trading）是一种采用高速度和高频率的自动化证券交易方法或策略。采用高频交易策略的机构并不以长期持有股票为目的，或者说并非传统意义上的价值投资。 3条 电子书 中国智能网联汽车产业发展年鉴2020作者： 等编 具体发展路径可以归纳为：在算法成熟前，GPU占主要市场；随着算法成熟度提高，逐渐实现基于FPGA和ASIC的计算平台。 4条 电子书 CCNP企业高级路由ENARSI 300-410认证考试指南作者：[加] 雷蒙德·拉科斯特,[加] 布拉德·埃奇沃思 BGP最佳路径选择算法的第三个决策因素是确定路由是否源自本地。优先顺序如下。·本地宣告的路由。·本地聚合的网络。·从BGP对等体收到的路由。13.3.4 AIGP考试要点AIGP是可选非传递PA，包含在整个AS的路由宣告中。IGP通常使用最低路径度量来识别去往目的端的最短路径，但其扩展性无法与BGP相比。 3条 电子书 新兴传播学作者：王友良 “歧视偏向”，算法黑箱为不公正、有偏见的算法决策提供“舒适”场所，用户盲目崇拜特定内容和过度依赖算法技术等因素引发各种法律伦理问题。造成上述网络短视频传播发展困境的主要原因可以用归纳为以下四个方面：第一，政府、培育机构和媒体平台的主体责任边界不清晰，协同传播、协同治理和协同培育的体制机制尚未建立健全。 2条 电子书 强化学习：原理与Python实战作者：肖智清 其程序结构和算法5-10类似，这里就不再赘述。5.3.3双重Q学习5.3.2节介绍的Q学习在基础上进行自益，用自益得到的目标来更新动作价值，会导致“最大化偏差”（maximization bias），使得估计的动作价值偏大。我们来看一个最大化偏差的例子。 3条 电子书 数据科学与机器学习：数学与统计方法作者：[澳] 迪尔克·P.克洛泽,[澳] 兹德拉夫科·I.波提夫,[澳] 托马斯·泰姆勒,[澳] 拉迪斯拉夫·维斯曼 （0.8106）。我们继续探讨分类问题，并考虑原始的提升算法：AdaBoost。AdaBoost方法的发明者最初考虑的是二元分类问题，其中响应变量属于{-1,1}集合。AdaBoost的思想与回归问题呈现的思想类似，即AdaBoost拟合一系列预测函数g0，g1=g0+h1，g2=g0+h1+h2，…最终的预测函数为 3条 电子书 深度强化学习：算法原理与金融实践入门作者：周炜星 编著,谢文杰 编著 可以抽象为优化问题，即通过智能决策算法对经济运行和人类生活行为进行合理优化和决策。智能决策的主体包括居民、社区、政府、经济体以及联合国，在不同的时间和空间尺度上都面对着大量的决策问题。对学生个体而言，选择食堂是一个决策问题；对旅行者而言，规划旅游路线是一个决策问题； 2条 电子书 机器学习实战营：从理论到实战的探索之旅作者：谢雪葵,刘嘉蕊 参数n_estimators=100表示在这个随机森林模型中会创建100棵决策树。·clf.fit（X_train，y_train）：使用训练数据集X_train和对应的标签y_train训练随机森林模型。在这个过程中，随机森林模型将学习如何从特征预测标签。 2条 电子书 社会计算中的组织行为模式挖掘作者：苏鹏 最小支持度设为10～100。图4-3中比较了算法MABR-6与MABR-2的运行时间。我们可以看到，MABR-6的运行时间显著小于MABR-2。这充分说明新方法在时间复杂度方面明显优于以往方法。图4-3 MABR-6与MABR-2的运行时间 2条 电子书 scikit-learn机器学习（第2版）作者： (美) 加文·海克 (Gavin Hackeling) （例如决策树）来说，套袋法是一种有用的元算法。事实上，套袋决策树集成因其经常成功地被使用，以至于它拥有了自己的名字：随机森林。森林中树的数量是一个重要的超参数。增加树的数量会提升模型的性能，但同时会消耗昂贵的算力。当树不作为单一估计器而是在森林中被训练时，因为套袋法提供正则化，正则化技巧（例如剪枝法或者对每个叶节点要求训练实例数量最小值）的重要性就会降低。 3条 电子书 探寻数据背后的逻辑：R语言数据挖掘之道作者：宋云生,张坚洪,黎新年 由于决策树算法是递归的，所以我们只计算哪个变量会成为决策树的根节点，建议自行计算剩下的部分，以加深对算法的理解。Info（职业）=-6/10log2（6/10）-4/10×log2（4/10）=0.9709506是否单身中单身一共有6个样本，则： 2条 电子书 现代金融创新史：从大萧条到美丽新世界（OWN书系）作者：辛乔利 评分：4.0 捕捉市场机会，完全依赖算法主导的机器自动做出交易决策。外界将他发明的交易方式称为“黑箱作业”，而西蒙斯对黑箱的解释是“黑箱就是大脑”。西蒙斯发明的“黑箱”交易系统是算法交易的初级形式，以速度和规模见长，瞬间从市场上大进大出，交易范围从外汇、债券扩展到几乎所有可交易的资产。 2条 电子书 高血压病现代中医诊疗研究作者：李运伦, 王宇, 曲政军 决策树模型结果：详细结果见图5-12。应用CHAID算法，对35个证候因子进行决策树分析。在构建模型的过程中，考虑到样本数量的限制，为保证并促进树模型的良好生长，父节点数设定为100，子节点50。筛选出头重昏蒙、呕恶、多痰涎、苔白腻和肢体困重5个属性形成决策树模型。 3条 电子书 Python机器学习技术：模型关系管理作者：丁亚军 随机森林模型由一组决策树集合而成，也称为集成算法，如由1个、50个、100棵决策树集成，随机森林是指对行和列都进行随机抽样。第一，以自抽样的形式抽取100棵样本拟合100棵决策树；第二，对每棵树的特征进行随机抽样。可见，随机森林模型是平滑的非线性模型。 3条 电子书 深度强化学习实战作者：[美] 亚历山大·扎伊,[美] 布兰登·布朗 假设有人要么现在给你100美元，要么一个月后给你110美元，相信大多数人更愿意现在就拿到钱，因为我们会对未来进行一定程度的“贴现”。这是有一定道理的，因为未来是不确定的。（如果要给你钱的人两周后去世了呢？）在现实生活中，你的贴现因子取决于一个月后这个人会给你多少钱，才能让你对选择这种方案而不是现在就得到100美元。 2条 电子书 算法训练营：海量图解+竞赛刷题（进阶篇）作者：陈小玉 第1行包含两个整数n（1≤n≤10000）和m（1≤m≤100），n表示序列的长度，m表示需要查找的有序子序列的长度；第2行包含序列的n个整数元素，每个元素的范围都为0～987654321。输出：对每个测试用例，都输出答案“%123456789”。 3条 电子书 奇点到来：AIGC引爆增长新范式作者：范磊,黄志坚,王山雨,杨永强 并不能提供足够的信息来做出最佳决策。此时，需要使用更复杂的算法来处理这种情况，例如部分可观测马尔科夫决策过程（Partially Observable Markov Decision Processes，POMDPs）。 2条 电子书 SPSS Modeler+Weka数据挖掘从入门到提高作者：经管之家 组编,李御玺 编著,唐绍祖 编著,马伯 编著,曾珂 编著 对话框的左侧显示了构造的算法模型，该模型为一个两层决策树模型，从中可以看出duration只与credit_amount相关。当credit_amount≤1598.500时，duration的均值是12.154；当1598.500＜credit_amount≤3976时，duration的均值为19.551，当credit_amount＞3976时，duration的均值为30.991，如图5-41所示。 2条 电子书 智慧物流与物流优化作者：刘志硕 采用本节设计的算法进行优化后得到的总成本为100375.8元，比第一种方式要多节约36％的成本，而比采用FPP算法求解的结果也要多节约19.1％。由此可见，本节设计的算法在求解多周期随机库存运输问题方面具有比FPP算法更优良的性能，能够更大程度地节约物流成本，从而为物流企业带来更大的经济效益。 2条 电子书 AI数字人原理与实现作者：方进 每当数字人做出决策时，它应通过各种方式向用户展示决策背后的数据、算法或规则。例如，在推荐书籍时，它可以说明这是基于用户的阅读历史和兴趣进行的选择。2）决策过程的可视化也很重要。通过图形、动画等形式，数字人可以直观地展示其决策流程。比如，在推荐旅游景点时，它可以为用户展示选择该景点的理由和相关信息。 2条 电子书 财务管理基础理论与实务（21世纪会计教材系统）作者：张阳编 NCF2～11=110+100=210（万元）【例10-3】某企业A项目设备投资33万元，另需垫支营运资金3万元，设备寿命为5年，按直线法计提折旧，5年后该设备有残值3万元，5年中每年的销售收入为24万元，付现成本每年为12万元。假定企业所得税率为30%。 2条 电子书 机器学习——Python实践作者：魏贞原 一般很多的决策树算法都有一个重要的步骤——剪枝，但是这里不这么做，因为之前的两个随机采样过程保证了随机性，所以不剪枝也不会出现过拟合。这种算法得到的随机森林中的每一棵决策树都是很弱的，但是将它们组合起来就会很厉害了。我觉得可以这样比喻随机森林算法：每一棵决策树就是一个精通某一个领域的专家，这样在随机森林中就有了很多个精通不同领域的专家，对于一个新的问题（新的输入数据），可以从不同的角度去看待它，最终由各个专家投票得到结果。 2条 电子书 类别不平衡学习：理论与算法作者：于化龙 除ODOC-ELM算法外，z-SVM算法也是一种采用了优化搜索技术的决策输出补偿算法，它将SVM的决策输出函数由h（x）=＜w，ϕ（x）＞+b （5-11）改写为h（x）=z×＜w，ϕ（xP）＞+＜w，ϕ（xN）＞+b （5-12） 2条 电子书 Python高手修炼之道：数据处理与机器学习实战作者：许向武 决策树为100棵，但是受限于样本数量较少，决策树超过30棵后，回归效果不再显著改善。图8-10 随机森林回归分析中决策树的数量对结果的影响聚类聚类是指自动识别具有相似属性的给定对象，并将具有相似属性的对象合并为同一个集合。聚类属于无监督学习的范畴，最常见的应用场景包括顾客细分和试验结果分组。 3条 电子书 智能网联汽车概论作者：吴海东 主编,车志 主编,邹明森 主编 专用概率芯片可以发挥概率算法简单并行的特点，极大地提高系统性能。其优点包括算法逻辑异常简单，不需要复杂的数据结构，不需要数值代数计算；计算精度可以通过模拟不同数目的随机行走自如控制；不同的随机行走相互独立，可以大规模并行模拟；模拟过程中，不需要全局信息，只需要网络的局部信息。 2条 电子书 基金作战笔记：从投基新手到配置高手的进阶之路作者：北落的师门 评分：4.1 并不是基金的真实净值，只不过是根据持仓或者其他算法预测的基金净值；第二，一些权益基金，如果某一段时间，净值估算的准确度大幅偏离，则很有可能是基金经理调仓了，这可以辅助我们进行决策；第三，债券基金的净值估算通常不准确，因为债券持仓只披露前五大证券且债券价格信息透明度不高，一般只能以国债期货的涨跌来辅助参考。 2条 电子书 自动驾驶：人工智能理论与实践作者：胡波 主编,林青 副主编,陈强 副主编 但通过参照新手学习的过程还是能够为编写自动驾驶算法找到可行的路径。新手学习驾驶，通常从理论学习入手，学习各种场景下的操作原则，但尽管很多驾驶员已经掌握了操作原则，在最初上手开车时仍然会手足无措，既不能在该换挡时做出正确的动作，也无法在转向时找到合适的时机。 2条 电子书 大数据技术体系与开源生态作者：刘驰, 罗童, 林秋霞, 王新科, 樊路遥 （2）算法库：包含广义线性模型、推荐系统、聚类、决策树和评估的算法。（3）实用程序：包括测试数据的生成、外部数据的读入等功能。应用场景10.2.4.1 Now Act1.公司背景Act Now是一个在电信业务、软件开发、预测分析和数据科学领域拥有丰富经验和多种开发技能的新兴公司。 2条 电子书 公路网络灾后恢复决策优化技术作者：李兆隆 显然，相比经验性恢复决策，本章的优化模型和求解算法在随机环境下仍然能够提供更有效的决策。表5.11 随机环境下三种策略的恢复结果在本算例中，确定性环境下的平均算法计算时间为20.3分钟，随机环境下的平均算法计算时间为15982.1分钟。 2条 电子书 大数据环境下的物联网系统作者：张晖 算法组件和模型组件进行建模分析。最后，数据处理结果通过可视化工具进行汇总，并将报表信息通过SaaS层对外提供。图5-3 PaaS层相关服务平台5.2.2 物联网大数据存储与管理在生产过程中，传感器采集的数据连续不断地向物联网大数据中心传输，这形成了海量的物联网数据。 3条 电子书 数据挖掘：你必须知道的32个经典案例（第2版）作者：任昱衡 并输入决策树算法，即可为客户分类。与其他分类算法相比，决策树能够处理“沸腾时刻”针对用户所搜集的多方面体能数据，并能够为不同的数据赋予不同的重要性。这种使用算法和数据替代线下私教的方式是对健身行业的一次革命，它为用户提供了比以往便利得多的健身方式。 2条 电子书 IT服务外包项目进度风险管理的分布式决策机制作者：卢福强 在初始解构造之前先要选择一种编码方式，将决策变量用适合算法求解的方式来表示，执行过程中或结束后通过解码将其还原为决策变量，需要注意编码和解是映射的关系，否则解码过程会出现混淆的情况。编码规则确定后，则需要构造问题的初始解，可以通过程序随机确定满足条件的初始解，也可以利用其他启发式算法构造较好的初始解。 2条 电子书 人工智能安全作者：方滨兴 如果这100道题目算法都计算正确了，就能断定算法解决了加法运算的问题吗?很显然，算法能保证这100道题目正确，但是对于更多的题目能否保证一定正确呢?如果想保证算法完全正确，那就需要从理论上对算法进行证明，证明算法在任何情况下都能产生正确的结果。 2条 电子书 Python机器学习入门与实战作者：桑园 编著 算法的改进前面完成的梯度上升算法都是在每次更新回归系数时遍历整个数据集，处理小型数据集如100条数据左右的数据集尚可，如果处理数十亿的样本或特征，这种方法的计算复杂度就非常高了。对算法进行改进的策略就是一次只有一个样本点来更新回归系数，这种方法称为随机梯度上升算法。 2条 电子书 投资决策分析与优化——基于前景理论作者：龚超 并代入目标函数进行算法结果验证。由于所有结果均相同，因而证明该遗传算法稳定有效。[4] 在表18.2～表18.4中，CV 代表前景理论偏好值；FR代表最终收益率；代表投资于4家公司的股票的最优值；代表对无风险资产投资比例的最优值。对这些表中的每组参数，在种群规模分别为30、50、100下进行了计算，结果均相同。 2条 电子书 智能车路协同管控可视化推演平台（全彩）作者：关金平 怎么在连续过程求最优过程，这是在算法上面的突破。其次，实现途径的问题，即便算法非常好，真正用到解决交通系统实际问题的时候，需要考虑实现途径问题，即路权分配问题、路径优化问题、系统局部协同问题、决策信息协同问题。这其中主要是用协同方法做多功能优化，使目标发生变化问题，在决策过程中近期怎么解决，远期怎么解决，近、远期范围怎么确定。 2条 电子书 人工智能与人类未来：探索人工智能的道德边界作者：[澳] 托比·沃尔什 7.10算法的公平性归根结底，算法的承诺之一是它们可以使决策更加公平。我们不要忘记，人类在决策时很难不带偏见。我们愿意相信自己可以做出公平的决策，但心理学家和行为经济学家已经列出了大量的认知偏见目录，显示出人类对理性决策的系统性偏差。 |
