在大學裡呆了近十年，所見所聞實在很多，比如導師就有很多態別，這裡斗膽給導師們來個等級評定，沒有統計資料作證，只是對同學朋友的言談、自己的見聞做個小結。
優秀型：學術科研優秀、嚴謹，教學有特色，生產成果（文科著書立說、理科可以參與社會科普和技術理論指導、工農醫類直接將知識轉化為第一線生產力）顯著，生活平實，愛惜指導學生猶如父母對待子女（學習、研究、生活等）；這樣的導師能認識乙個就算三生有幸了，若是能拜在門下，實在應該去廟堂燒燒高香。
良好型：學術科研、教學、生產中有兩項強，另一項也不差，生活平實、愛惜指導學生不一定當做子女對待，卻十分中肯到位，為他們著想；這樣的導師在我國高校（尤其是重點高校）內還是有些的，一般來說能成為他們的學生著實幸運。
一般型：學術科研、教學、生產中一項強，另兩項不差，往往追求個人名譽和生活享受，但能夠給予學生應有的學業指導和生活照顧；這類導師目前還是很有些的，在重點高校內較多，作為他們的學生要想做出好成績，只能依靠自己，但也不應抱怨什麼，畢竟「師傅領進門修行在個人」。
較差型：學術科研、教學、生產三項都還過得去，沒有什麼特色、特點，做導師不過為了物質、名利那永恆的追求，學生對他們來說是不得不面對的責任，做到位心理舒服些，做不到位酒肉多吃些，時間能夠或早已讓他們曾經激盪的心麻木；這類導師數量較多，尤其是在非重點高校內，但他們不致於難為學生，畢竟學生好歹給他們打了幾年工，沒功勞也有苦勞，前面三類導師數量實在有限，如果無緣相遇，不妨在這類導師門下將就著，自己苦些、加把力，還是能有所作為的。
差勁型：學術科研、教學、生產三項至少有兩項馬馬虎虎，另一項也是勉強及格，學術欺詐等手段更是屢屢嘗試，在學校就是為了混口飯吃，學生對他們來說就是苦力，不用白不用，指導、照顧看心情，畢業一般來說需要用延期來鋪墊；這類導師在學生時代一般有著類似的受壓迫經歷，將自己導師的「優良傳統」變本加厲地發揚在了自己的學生身上，其分布較廣，各類高校內都有，數量在非重點高校內相當可觀，不是實在需要一張文憑的話，就不要找這類導師了，出去打工也比給他們當學生舒服一點點。
極品型：不知何為學術科研，教學上課只為拿錢，生產就像坑蒙拐騙，哪管學生淚眼漣漣，錢錢錢；找導師前一定要擦亮眼睛、多打聽打聽（他們的學生是最好的資訊**），碰上這類極品是真要倒八輩子的黴的，當然一般找他們做導師的，都是弄不清楚學校狀況、被學校分配的，一旦跌入火坑，能否畢業、能否保持乙個正常人的心態離開學校，就看造化吧。
機器學習演算法模型，如何區分分類還是回歸？
本週要去給培訓班的學員總結機器學習演算法模型，我與授課小組討論一下教案，其中乙個話題就是如何來區分乙個應用是分類問題還是回歸問題？如何來正確的選擇演算法模型？從這個總結的內容來看，我覺得問題還是很多的，就是說分類還是回歸這兩種不同的演算法，實際區分起來沒那麼簡單。教案裡講，如果輸出的是乙個可度量的值...
機器學習非監督分類之主成分分析（PCA）
主成分分析是非監督分類中基礎的演算法，應用於降低特徵的維度。在介紹主成分分析之前，我們要先介紹一下特徵值和特徵向量，因為在後面我們要用到。一 特徵值和特徵向量 特徵值如果有 此時 為矩陣a的特徵值，對應的x為矩陣的特徵向量。對於不相同的特徵值，其特徵向量是正交的。二 主成分分析 演算法 首先將x進行...
黑盒測試 一 等價類劃分分類
按區間劃分 例 程式輸入條件為小於100大於10的整數x 有效等價類為 10按數值劃分 規定一組資料 假設包含n個輸入值 並且程式要對每乙個輸入值分別進行處理的情況下，可確定n個有效等價類 每個值確定乙個有效等價類和乙個無效等價類 所有不允許的輸入值的集合 例 程式輸入取值與乙個固定的列舉型別，且程...