但是現在經過一些小師(還不是大師)指點之後,或許跟基本宮也有關係
用統計的說法,我似乎一直在fit some model,希望可以根據經驗得出一條/組公式,
然後將來就一直用這條/組公式來處理世界上大部分的事情。
這雖然很直覺,很符合人纇認知的法則,但是也很偷懶。
另外從統計的角度來看,我的learning algorithm似乎沒有很robust,
而且sample size也不夠大,更重要的是,我沒有處理outlier的法則。
所以就會造成整個learning process跳動很大。
就統計上來講,丟掉一些雜訊太大的資料,無妨;
為了sparsity或是smoothness而承受某些bias,也無妨。
因為這個世界如此的複雜,勢必須要建立一些rule來作data reduction。
尤其是對一些細瑣的事情,才可以把energy放在重點上
沒有留言:
張貼留言