Siyuan

大家好我是小仙女读书笔记。在这个专栏中，我会分享我平时读书的心得，也给大家推荐一些我读到的好书，希望可以给大家带来帮助。 你也可以在其他平台找到我 steemit： https://steemit.com/@littlexiannv 简书： https://www.jianshu.com/u/47c73b7a8e0f youtube： https://www.youtube.com/channel/UCkbDfzkDtDKqnuoajgAHUOA 今天要和大家分享的一本书是《Powerful Sleep》中文名是有效睡眠 这本书主要讲的是如何通过一系列科学的方法缩短睡眠时间，同时提高睡眠质量，在白天有更充沛的精力。 大家探讨了人类的睡眠机制，讨论了有哪些因素会影响我们的睡眠。 其中一些比较关键的因素包括： 睡眠周期 睡眠生物钟 体温节律 褪黑素和光照 清醒系统和睡眠系统的相互作用 然后作者又讨论了如何利用这些睡眠机制来让我们睡得更少，同时又保证更好的精力，其实我觉得一些比较重要的因素包括： 多晒太阳 多做运动 午睡 每次都在REM期醒来 上面的四个建议主要是针对如何在白天更好保持精力的，接下来作者又讲了在缩短睡眠总时长的情况下，如何保证甚至提升睡眠的质量： 减少尼古丁、咖啡因和酒精的摄入 多喝水，避免缺水的情况 少吃东西，避免影响消化系统 尽量采取躺着或者侧身的睡姿 日常生活中不要压力太大 最后作者针对一些失眠的情况，提出了他的建议 看好了失眠的这一章中，作者首先探讨了失眠的类型，然后又讲了，他认为的失眠最常见的原因，就是大脑并没有在应该停止思考的时候停止思考 针对这种原因导致的失眠，他提出了一些他的建议，包括： 思维降速 黑板法 减少翻身的频率 …… 在最后一章中，作者还提供了一个表单，可以让你根据个人情况填写，定制属于你的睡眠计划。 其实我第一次看这本书是几个月前，我在看完之后，根据它里面的一些建议，进行了实践，几个月下来，我个人感觉对有效的一些方法是 多晒太阳（这是一条乍一看和提高睡眠质量没什么关系的因素，但是实践下来，多晒太阳确实对于白天保持精力和晚上提升睡眠质量有很大的影响。大家可以想想，自己平时是不是一般春夏要比秋冬睡的少，而且白天精力更好呢，这个其实就是因为春夏的日常要比秋冬...

今天早上上班的路上看到了一件事，一辆救护车被堵在了车流里。 照理说，所有车辆看到救护车应该让行，事实上，在发现前方有一辆救护车的时候，我们已经想要让了，甚至可以看到前方车辆的司机也做出了想要让车的动作，但是因为前后车辆都顶的太紧，我们都没有成功。 这辆救护车堵在车流里有将近一两分钟，前后的车辆都在试图让位，都没成功。在红绿灯转绿后，前方车辆开掉以后，这辆救护车终于有了空间得以掉头开走。 每个人的行为聚在一起，就会成功一个系统。 大部分的人的态度，就会成为系统的态度。 而一旦这个形成以后，个人再想去改变，就会很难。就好像这辆救护车前后的车主，都有试图在让出空间，但是他们前后的车却已经把位置都顶死了，没有调节的空间。 在一个向恶的系统里，就算有个别向善的个体想要做一些好事，整个系统和其他个体也不会给他就任何空间。 反之亦然，在一个向善的系统里，个体作恶的空间也会被压缩。 有趣的是，系统的态度并不是一个可以外部制定，或者强制改变的东西，他就是我们每一个个体态度的聚合

最近很久有好几天没有更新，一个是犯懒了，一个是周末和家人一起去购车，花了比较多时间。 正好今天比较闲，就把购车的过程整理一下，顺便把购车过程中遇到的坑也和大家分享一下，希望可以在大家购车的时候提供参考； 为什么要买新能源车 我在上海，沪牌比较贵，一般要9-10万一张，还要拍牌，很多人好几轮下来都拍不中。 但是外地牌照在上海又不能开高速，很多区域也都禁止进入。 而新能源车可以赠送一块沪牌（禁止转让），等于省了9-10w的牌费，也不需要靠运气拍牌。 综合考虑，决定买一辆新能源车，正好把原来的车换掉，然后又可以换一块沪牌 买哪辆车 本来的计划是想买比亚迪元纯电版（续航360km），补贴后售价大概在8-10w左右，简直比一块车牌还便宜，等于买块车牌送辆车，四舍五入就是不要钱啊。 但是和妈妈一起去4s店看车的时候妈妈觉得元外观太难看了，坚定地反对买。于是只好选了另一款油电混合的车型，比亚迪秦80，售价13.9w。 买车的流程 买新能源车和燃油车的流程不太一样，相对要复杂一些，还记得我们家买第一辆车的时候，当天就提到了车，把车开回家。而这次买新能源车，我们从7月份开始去4s店，一直到现在9月份了，还没拿到车，过程可谓是很复杂了。 上海买新能源车的流程大概如下： 1.4s店看车，确定自己喜欢的车型和配置。 确定完以后，销售可能会要求你支付5000到1,2万的定金，这个定金购车之后会退还，定金的数额也是可以讨价还价的。一开始销售说的是2w，我们讨价到5000。 2.在上海买新能源车需要对车主进行审核，要求满足下列条件之一(2-4周） (1)本市户籍居民; (2)现役军人和现役武警; (3)持有本市有效居住证且最近24个月内连续在本市缴纳社保满一年的非本市户籍人员; (4)持有有效身份证件且在本市居住1年以上的港澳台居民、华侨及外籍人员。 这个身份的审核大概需要 2-4周 的时间 3.身份审核通过后， 还不能直接买车，因为购买新能源车还需要满足“有充电柱”这个条件（2周左右） 所以需要去小区所在的物业或者居委会敲章，得到在小区里搭一个固定充电桩的许可。然后把这个许可交给供电局，等待供电局的工人上面来安装充电桩， 这个过程大概又需要2周左右 4.付款买车（1周），付保险等等 这个时候才终于可以付款买车，如果是全款买车的顾客直接去4s店办理...

鸡蛋可以炒吗？怎么炒？能赚钱吗？ 鸡蛋怎么炒？用橄榄油炒还是豆油炒？先放番茄还是蛋？ 哈哈，我们今天要聊的不是这个炒，而是用金钱去炒。 为什么会想到聊这个话题呢？ 因为今天正好看到了一个帖子， 炒币不如炒鸡蛋 https://steemit.com/cn/@oflyhigh/3vtxne 在帖子里，@oflyhigh 提到 以普通鸡蛋为例，前些天不到3元，现在7.8元，价格翻了2.6倍，如果按照最便宜的低点算，则翻了接近5倍，吓死人了。 早知如此，炒哪门子币啊，炒鸡蛋岂不是发家了？不过，炒鸡蛋可不像炒币这么简单，想想还是炒币吧，晚上再做个葱花炒蛋，也算炒过鸡蛋的人啦。 他的这段话引起了我的两个好奇，首先鸡蛋可以去投机炒作吗？第二，在投机市场上，鸡蛋的价格真的涨了这么多吗？ 1. 鸡蛋可以去投机炒作吗 首先我们要了解，鸡蛋是一种生鲜产品，它不同于食用盐或者贵金属可以把实物囤积起来，等到价格上涨以后再出售，对于普通人来说，囤积大量的新鲜鸡蛋，等到价格上涨后出售的难度是非常高的。首先我们需要有仓库和运输的成本，其次是生鲜鸡蛋的保质期不长，如果在鸡蛋的保质期内，价格没有上涨的话，可能最后反而会亏本。所以囤积鸡蛋现货，等到价格上涨后出售的方案，对于普通人来说是非常难以操作的的。 那我们就不可以投机鸡蛋了吗？事实上，除了真实的现货，我们还有另外一种投资标的，那就是鸡蛋期货。 在这里，我展示了一张新浪财经上鸡蛋期货连续合约的价格走势 期货是什么呢？这里我们可以简单的把它理解为一种基于对未来预期的赌博。 例如现在是8月底，我预计10月份的鸡蛋价格会上涨，但是我作为一个个人投资者，不可能有较多的人力物力去囤积大批量的生鲜鸡蛋，一直放到10月再去出售。那么我就可以去购买一手1810（18年10月）的鸡蛋期货合约，就相当于我支付了一定比例的保证金，和某人通过交易所建立了一份预购买合同。 在这份合同到期生效之前，合同本身的价值是会随着市场价格的波动而波动的。如果到了9月份鸡蛋价格就有大幅度的上涨，那么我就可以以更高的价格，把我手上的这份合同或者合约出售给别人，从而赚取利益。 同理，如果到了10月份，鸡蛋价格并没有如我预期的那样上涨，而是下跌了。按照合同，我也需要履行这份已购买的义务，那么我作为个人投资者，实际上是不可能支付剩下的金额去仓库实际交割这一...

今天中午懒得做饭，就叫了外卖，图片上这么食物加上外卖小哥的外送费，总共才只要23元。便宜到简直难以置信。 这也引发了我的一个好奇，外卖小哥送这么一单可以赚多少钱呢？在我的收据上，外卖费是5块3，我问了一下小哥，他一单的收益也差不多在4到5块左右。我们这一片是居民区，很难有一趟行程送好几单的情况，小哥一般一小时可以送3到4单，也就是每小时赚十几二十块左右。如果这个小哥一天工作八小时，一周工作五天的话，一个月也只能赚2600多块，很难以想象这点钱如何在上海生存下去。 昨天正好在和一个重庆的网友聊天，他也提到他在办公室工作，日薪只有70元左右，这个工资算下来可能还不如上海一个老人的养老金。只能说中国实在太大了，有的时候很难想象，不同的人在这个国家不同的角落是过着怎样的生活，感慨感慨。 Lazy to cook lunch, I ordered 2 boxes of fried bum, a box of Chinese ravioli, and a soup. And how much these nice fresh hand-made food takes ? 23.8rmb (roughly 3 dollar) including delivery fee and no tips. As a customer, of course I am glad to get all of this with such a low price. But also, I kind of curious how can the price be so low, especially how much can the delivery guy get. According to the receipt I got, the delivery service cost 5 rmb (less than 1 dollar). And I asked the delivery guy, he got roughly 4 to 5 rmb (less than 1 dollar) for each delivery. Let's assume he could finish 3 delivery per hour, in 8 hour working ...

前情提要： 使用逻辑回归对文本进行分类 To classify text content by logistic regression[达观杯1] https://siyuanyuanyuan.blogspot.com/2018/08/to-classify-text-content-by-logistic.html 之前提到在参加达观杯文本分类比赛 ，使用逻辑回归的模型，正确率最高达到了0.76，这次准备使用svm模型看一下能否提高正确率 上代码： import pandas as pd from sklearn.linear_model import LogisticRegression from sklearn.svm import LinearSVC from sklearn.feature_extraction.text import CountVectorizer from sklearn.feature_extraction.text import TfidfVectorizer print('start') df_train = pd.read_csv('./train_set.csv') df_test = pd.read_csv('./test_set.csv') df_train.drop(columns = ['article','id'], inplace = True) df_test.drop(columns=['article'],inplace= True) #vctorizer = CountVectorizer(ngram_range=(1, 2), min_df=3, max_df=0.9, max_features=100000) print('vectoerizer') vctorizer = TfidfVectorizer(ngram_range=(1, 2), min_df=3, max_df=0.9, max_features=100000) vctorizer.fit(df_train['word_seg']) x_train = vctorizer.transform...

最近在参加达观杯的文本分类大赛，使用了几种方法对文本进行分类，在这里做一个记录 ：） 比赛大概介绍 比赛地址： 数据 “train set.csv：此数据集用于训练模型，每一行对应一篇文章。文章分别在“字”和“词”的级别上做了脱敏处理。共有四列： 第一列是文章的索引(id)，第二列是文章正文在“字”级别上的表示，即字符相隔正文(article)；第三列是在“词”级别上的表示，即词语相隔正文(word seg)；第四列是这篇文章的标注(class)。 注：每一个数字对应一个“字”，或“词”，或“标点符号”。“字”的编号与“词”的编号是独立的” “test set.csv” 里是只有id, article 和 word seg 参赛者的工作就是建立一个模型，根据article或者word_seg 去预测文字的Class 第一次尝试使用sklearn里的逻辑回归进行预测，代码如下： import pandas as pd from sklearn.linear model import LogisticRegression from sklearn.feature extraction.text import CountVectorizer print('start') df train = pd.read csv('./train set.csv') df test = pd.read csv('./test set.csv') df train.drop(columns = ['article','id'], inplace = True) df test.drop(columns=['article'],inplace= True) vectorier = CountVectorizer(ngram range=(1,2),min df=3,max df=0.9,max features=100000) vectorier.fit(df_train['word seg']) x train = vectorier.transform(df_train['word seg']) x test = ve...