博文
从数据挖掘看硕士生和博士生
|||
前段时间偶然跟同学聊起最近的工作，他说准备做一个链路预测的模型，我说我在分析我们数据集的特征，通过这些特征去指导链路预测。然后我就跟他说有这样那样的特征，是多么有意思，说不定就能起到关键性的作用呢！并没有对他说的模型产生多大的重视，或许主要还是觉得不甚理解吧。
https://blog.sciencenet.cn/blog-599483-517699.html
上一篇：VLDB2010
第二天正好看了几篇文章，发现文章在前半部分都在阐述他们的模型，最后将这个模型应用到了数据集中，效果不错，工作很好。突然一下让我对模型有了一些理解。或许它，就是更高层次的抽象吧。
一直以来，觉得抽象的能力是衡量一个人科研能力的重要指标，抽象表示的通用性和普适性。翻翻Nature Science PRL 等期刊的文章，不难发现大多数都是提出一个模型，而不是说单纯的对某类数据进行一些研究。
或许就现阶段学校的毕业要求来看，硕士的要求应该是能有效的运用特征去指导学习，而博士则需要进行高层次的抽象，提出有用的模型吧。
就学习的时间上来看，在短暂的硕士生涯中，可能没有太多的时间去学习和掌握提出模型所需要的庞大知识量，这也导致了这一区别的产生。
又或者，有限的视野和起点，让硕士生会更难意识到模型与特征的区别在哪里。
恩,作为一个即将毕业的硕士生, 哀叹一下没有时间再去好好科研做出一个好模型来！
只能偷偷的窥视一下它.. 呵呵
https://blog.sciencenet.cn/blog-599483-517699.html
上一篇：VLDB2010
扫一扫，分享此博文
全部精选博文导读
相关博文
- • Minerals线下恳谈会：履践致远、与时偕行——对话中国科学院广州地球化学研究所期刊合作学者
- • 聚英才 建高地 | 北京理工大学“特立青年学者”全球招聘开启
- • 700年后日本或濒临灭绝？日本学者推算预测：届时或仅剩1名15岁以下孩子
- • [转载]【同位素视角】非英语母语学者如何区分’e.g.’, ‘i.e.’, ‘namely’与‘such as’等混淆难题
- • 美国佐治亚大学等机构学者：刈割策略对Bulldog 805紫花苜蓿+Tifton 85狗牙根混播草地产量及品质的影响
- • 美国堪萨斯州立大学、密苏里大学等机构学者研究成果：土壤水分管理策略和品种多样性对紫花苜蓿产量、营养品质和农场盈利能力的影