数据分析吧 关注：46,628贴子：583,982
《人生智慧书》叔本华
第一章：人的划分
人类幸福的来源大致可分为三个原因：
一：人是什么，广义上指我们一个人的人性，包括了健康，力气，相貌，气质，品行，气质，教育，知识等等。
二：人拥有什么：财富，金钱，美女，，指的是人所拥有的外物。
三：人在众人审视下的生活方式：声望，等级，地位，名声 ，信誉等等，或许有点难以理解，大概就是他人看待你的方式吧。
叔本华认为对于幸福，第一类原因才是最为重要的，相比起其他的两类幸福源，第一类原因他跟我们自身息息相关，因而才不可被剥夺，不会随着外物的变化而变迁。因为我们每个人总是会通过自己的眼光，感受和意志来领悟这个世界，外界的客观事物经过我们的主观加工后才得以映入我们的大脑，所以不管外界发生的事有多么悲观，只要自己内在保持乐观的心性，你就是快乐的。
叔本华所说的第一类原因大概也包含了我们的思想，智慧等等东西吧，他对我们获得幸福的影响比其它两类更为重要，但是通过第一类的方式追求幸福也是很难掌握，因为这些属性比如相貌，我们无法改变，而智慧需要沉淀，知识需要积累；所以大部分人转而追求通过其他方式追求幸福。有一句俗语“家家有本难念的经”，不管你所拥有的财富、地位究竟如何，你总有与之对应的烦恼，而要想真正的获得更高层次，长久的幸福感，唯有丰富自身。但是第一类幸福的缺陷吧，那就是时间，不管身体，健康还是智慧，都会随着时间的流逝而逝去，与此相反财富和名声却不会有此影响，因为他们是外界客观存在的，所以我们的财富会代代累计。
因为我们描述的第一类幸福绝对比另外两种幸福重要地多，所以明显，更明智的选择是将精力放在维护我们的健康和培养我们的能力上，而非过多的专注财富的积累，为此我们必须要认清自己的天赋，并选择与自身天赋最适合的职业、地位、以及生活方式，而不要去顾虑其它。
总结：第一篇的内容比我上面写的要多，而且有些内容我自己也不是很理解，所以我只是结合了我自己的想法写了上面写内容，其中有些或许和书上的不进相同。总之这一篇就写了人类获取幸福的三种方式，，
第一章：人的划分
人类幸福的来源大致可分为三个原因：
一：人是什么，广义上指我们一个人的人性，包括了健康，力气，相貌，气质，品行，气质，教育，知识等等。
二：人拥有什么：财富，金钱，美女，，指的是人所拥有的外物。
三：人在众人审视下的生活方式：声望，等级，地位，名声 ，信誉等等，或许有点难以理解，大概就是他人看待你的方式吧。
叔本华认为对于幸福，第一类原因才是最为重要的，相比起其他的两类幸福源，第一类原因他跟我们自身息息相关，因而才不可被剥夺，不会随着外物的变化而变迁。因为我们每个人总是会通过自己的眼光，感受和意志来领悟这个世界，外界的客观事物经过我们的主观加工后才得以映入我们的大脑，所以不管外界发生的事有多么悲观，只要自己内在保持乐观的心性，你就是快乐的。
叔本华所说的第一类原因大概也包含了我们的思想，智慧等等东西吧，他对我们获得幸福的影响比其它两类更为重要，但是通过第一类的方式追求幸福也是很难掌握，因为这些属性比如相貌，我们无法改变，而智慧需要沉淀，知识需要积累；所以大部分人转而追求通过其他方式追求幸福。有一句俗语“家家有本难念的经”，不管你所拥有的财富、地位究竟如何，你总有与之对应的烦恼，而要想真正的获得更高层次，长久的幸福感，唯有丰富自身。但是第一类幸福的缺陷吧，那就是时间，不管身体，健康还是智慧，都会随着时间的流逝而逝去，与此相反财富和名声却不会有此影响，因为他们是外界客观存在的，所以我们的财富会代代累计。
因为我们描述的第一类幸福绝对比另外两种幸福重要地多，所以明显，更明智的选择是将精力放在维护我们的健康和培养我们的能力上，而非过多的专注财富的积累，为此我们必须要认清自己的天赋，并选择与自身天赋最适合的职业、地位、以及生活方式，而不要去顾虑其它。
总结：第一篇的内容比我上面写的要多，而且有些内容我自己也不是很理解，所以我只是结合了我自己的想法写了上面写内容，其中有些或许和书上的不进相同。总之这一篇就写了人类获取幸福的三种方式，，
2019.1.1 晴
今天早上是被一堆鞭炮声弄醒的，然后窝在床上看了一上午的《人生智慧书》；嗯，，下午算是初步入门了元算法。
元算法，可以说是一种将其它的分类器算法相互集合的一种方法；这一章介绍了两类元算法，bagging类型：从数据集中随机抽取S份大小与原数据集相同的数据集【因为大小相等而且又是完全随机抽取，所以新数据集内的数据可以有重复的值同样也允许老数据集里的值在新数据集里不出现】，并对这s个数据使用某个学习算法，结果就得到了s个分类器。所以我们最后的分类结果就是这s个分类器最后的投票结果。
另一种元算法是boosting算法，它与bagging算法的不同点在于，boosting算法主要针对那些被已有分类器错分的数据并对其构造新分类器，因此bossting中分类器的权重并不想等，每个权重代表的是其作用在数据集上的成功度。
今天早上是被一堆鞭炮声弄醒的，然后窝在床上看了一上午的《人生智慧书》；嗯，，下午算是初步入门了元算法。
元算法，可以说是一种将其它的分类器算法相互集合的一种方法；这一章介绍了两类元算法，bagging类型：从数据集中随机抽取S份大小与原数据集相同的数据集【因为大小相等而且又是完全随机抽取，所以新数据集内的数据可以有重复的值同样也允许老数据集里的值在新数据集里不出现】，并对这s个数据使用某个学习算法，结果就得到了s个分类器。所以我们最后的分类结果就是这s个分类器最后的投票结果。
另一种元算法是boosting算法，它与bagging算法的不同点在于，boosting算法主要针对那些被已有分类器错分的数据并对其构造新分类器，因此bossting中分类器的权重并不想等，每个权重代表的是其作用在数据集上的成功度。
