通過問這三個問題讓我們看到乙個概念時候就方向感，知道從哪入手。萬事開頭難。我用這幾個問題問自己悟出這個回答：計算機生態圈是怎麼樣的？。
就拿夏農的《資訊熵=是什麼？怎麼學？從哪學？查定義也似懂非懂。這個難度絕對是超過很多概念的難度。這個你都會其他的那就容易了。
這個方法為什麼叫這個名字？如果是我們自己做我會怎麼設計？為什麼提出者能想到這個想法？通過這3問我有把握讓你幾分鐘內理解它。
資訊這個能理解。熵是什麼(找到乙個方向了)查資料發現是衡量混亂度的乙個數值。現在我們知道了它是衡量資訊混亂程度的乙個數字。新的問題方向來了，什麼是混亂程度？你走在路上你發現前面一堆人在亂走，這叫做混亂。你走在路上，你發現大家都成一條隊伍走，這叫做不混亂。那麼究竟是什麼讓你感覺混亂呢？答：是不確定性。我不確定我前面有沒有人擋我路，不確定我下一步一定走哪才不會撞人。
再舉個例子：
10個球，5個紅球5個白球。把它們放到口袋裡面。我摸乙個球，能確定是紅還是白嗎？答：不確定。這叫做混亂（又有紅色又有白色）
10個球，10個紅球0個白球。把它們放到口袋裡面。我摸乙個球，能確定是紅還是白嘛？答：能確定。這叫做不混亂（都是紅色的，都沒有雜質怎麼叫做混亂？）
還是哪紅白球舉例子：
10個球，5紅5白，5*5=25（混亂）
... ...
10個球，8紅2白，8*2=16
10個球，9紅1白，9*1=9。
10個球，10紅0白，10*0=0。（不混亂）
然後你看看資訊熵那個公式，
何等的微妙。就是我們自己想出來的設計連乘。
那麼新的問題方向來了？為何夏農不直接用連乘，還要加個log？
我們還是用自己的解釋，應該是連乘求導不方便.f(x)g(x)h(x)，對他們求導。還得用乘法求導法則展開。f'(x)g(x)h(x)+f(x)g'(x)h(x)...。然後加個對數讓它就可以把乘法變成加法。
拿機器學習和神經網路舉例。這些演算法千千萬，但是無一例額外的都逃不過下面這四步。按照這四步分析和學習機器學習就能看透演算法的本質。當然它也可以拓展到其他領域，我想本質的東西是通用的。這個講起來就複雜了，我今天弄了個知識分享，免費性質的《看本質，從演算法發明者的角度讓你醍醐灌頂的快速入門機器學習》（平台要求滿60人才能寫文章）。
輸入是什麼，輸出是什麼？
能用哪個模型套上去。
模型有哪些要我們設定的引數。
怎麼評估引數設定的好不好。
怎麼求解最優的引數。
使用遇到的問題 Mac Pro使用遇到問題
mac os x無法休眠？教你用pmset找出原因。如何重置 mac 上的系統管理控制器 smc mac retina 合蓋後開啟突然黑屏，長按開機鍵無反應?應該是有一次修改了系統設定，解決如下 mac os x中顯示 不顯示隱藏檔案方法 命令列 mac不能複製拷貝寫入檔案到行動硬碟,u盤怎麼辦 n...
我遇到問題的解答
研究生有很多種，很多人都是研究生，我們的老師就是研究生，可是我發現老師之間的差距也是相當大的，研究生也有找不到工作的。研究生也有表達不清晰的。研究生應該具有研究生的素質，良好的表達能力，良好的心理素質，良好的專業素養，好的人生觀和價值觀，對人和對物的認識要比沒有讀研究生的人更加深入，看問題，看出來本...
遇到問題的思考方式
是什麼 怎麼了為什麼 怎麼辦辦成什麼樣 當我們遇到乙個問題的時候，我們總是急於想要解決問題，也就是急於求成，從來不停下來認真思考問題的本身。這樣的解決方式會導致我們走彎路，同時也會讓我們再次遇到類似的問題時，依然很盲目，不知道從何開始，只會套用之前的解決方法，如果行不通，我們會說 上次就可以，怎麼這...