我已出现了幻觉

好像许多老同学们还不知道：我从纳米专业的本科背景，申请到了科学计算专业的研究生，但是上个月已经转专业到数据科学了。所以当我说“我好久没做实验了“的时候，请不要惊讶。

我最近在做什么

你们感受一下

我们下载了三十六万多家民宿的信息。房屋设施方面，每家民宿都有一个列表，记着诸如有没有空调、让不让带宠物入住之类的以“是”或“否”回答的信息，共计123种。
我们想用这些设施有无的特征，对这些旅店进行分类。首先，我们使用LogisticPCA方法，将这123种特征概括成了20种测量值。尽管这二十个变量就可以解释83%这些民宿之间的区别，可这几十万家民宿在这个二十维的空间中却挤成一团（见图），没有分别聚集成几个小组的意思。
考虑到这123种设施特征本身就可以作为分类的依据，我打算放弃把它们概括成连续变量的想法。接下来，我可以直接使用最近邻居法、搭配针对布尔型变量设计的对“距离”的定义来进行聚类分析，也可以直接生长一棵决策树，再适当地进行剪枝。
我个人比较倾向后者。

与今年初的生活对比

我是如何追随着我的兴趣爱好、走上今天这步田地的（涂鸦是我十三四岁左右画的）

大四那年，闲得无聊，想学学Tableau、TensorFlow、sklearn怎么用（第一个是数据画图工具，后两者是机器学习套件）。但是，我半年来这三项都只是读了一篇入门指南而已——既是因为它们不是我当时的专业，又是因为我当时没有学它们的动力与需求。
现在呢，我的“主副业”反过来了。一方面，在正式的教育的驱动下，我在数据科学方面的技能突飞猛进。比如说那个民宿分类的项目：我首先在Jupyter记事本里，用numpy和pandas清洗了下载来的数据，然后又用R执行了LogisticPCA分析，同时使用Mathematica画图，配合我手动敲定具体要把这123种特征概括成几个指标。后来，我在Spyder里试图用K-means算法把样本分成几类，同时用Sihoulutte（好像拼错了）评分法辅助选择具体分成多少类别。这个实验的结果很糟糕，我便用Tableau画了个pairwise的散点图，发现的确无类可分。于是，我现在在用Orange3这个软件栽培决策树。上述提到的这些工具，基本都是我在短短的这几个月里学习的。
另一方面，尽管才离开诸如量子力学之类的理化生科目不到一年，我却开始有点怀念自然科学的内容了。举个例子：上周的机器学习课上，教授把“状态转移”这件事，类比到了“能级跃迁”上面。有同学发问：“为什么不能取两个能级之间的状态呢？”我顿时感到醍醐味：尽管我个人觉得这个类比既形象又准确，但对于没有量子物理背景的学生来说，原来这个比喻是如此艰涩！这让我想到了已经快有两个月没翻开了的《学术写作的艺术》中的一句话：“当你知道了一件事之后，你就很难再站在一个不理解此事的人的角度去考虑问题——这叫作‘知识的诅咒’。”
我想，这是很贴切的。

欢迎来宾夕法尼亚大学找我玩…或者一起上自习呀