回归

简介: 将近两个月的西藏之行结束了,总该说点什么,但是又不知道怎么说,就只好唠叨唠叨了。此行计划三个月,打算纯徒川藏线,实际的执行结果是纯徒了三分之一,海拔四千以上的山爬了一半(7座),然后就把韧带给拉伤了,至今仍然没有恢复。

将近两个月的西藏之行结束了,总该说点什么,但是又不知道怎么说,就只好唠叨唠叨了。

此行计划三个月,打算纯徒川藏线,实际的执行结果是纯徒了三分之一,海拔四千以上的山爬了一半(7座),然后就把韧带给拉伤了,至今仍然没有恢复。后续的路程就改为徒搭。整个人的状态也从向往激动,激情,平淡,坚持,懊恼,淡然,一点一点走过来。到了最后,可以很平淡的去看待这次出行。

记得之前有一篇文章写的特别好,给我印象特别深刻。文章的大意就是不要总被一场说走就走的旅行给忽悠了,因为旅行就是旅行,虽然可以增加你的见识,开阔你的心胸,但是等你结束这场旅行的时候,你还是要回归到你之前的生活中去。之前要面临的问题,回归之后还要面临,之前走不出的困境,回归之后还需要面对。所以,其实就是一场旅行,就像周末睡了个好觉,休息好了,该面对的依然要面对。唯一不同的可能是你的状态。

在拉萨小昭寺的那条街上,每到晚上,摆满了地摊。摊主大都是我们通常说的文艺青年,因为各种原因进藏,又因为各种原因不想离开西藏,就呆在西藏以此为生。你看着各种各样的小摊,和各种各样的摊主,感觉就像是毕业前的跳蚤市场。不同的是一个是为了维持生活,一个是为了轻装上阵。所有的传说都敌不过亲眼所见,从我个人来看,只不过是一场旅行,一个目的地,没有必要太神话。

也许是路上见的太多,也许是路上的大山大水让我放开了很多纠结的问题。我完全回归到和之前相同的生活中去了,工作生活都和之前一样,但是我却总会感觉到有所不同。想来,是我发生了一些改变吧。


目录
相关文章
|
1月前
|
机器学习/深度学习 算法
贝叶斯线性回归:概率与预测建模的融合
本文探讨了贝叶斯方法在线性回归中的应用,从不确定性角度出发,介绍了如何通过概率来表达变量间关系的不确定性。文章首先回顾了古希腊天文学家使用本轮系统模拟行星运动的历史,并将其与傅里叶级数分解方法类比,强调了近似的重要性。接着,通过高斯分布和贝叶斯推断,详细讲解了线性回归中的不确定性处理方法。文章使用Howell1数据集,展示了如何构建和拟合高斯模型,并通过先验预测模拟验证模型合理性。最后,介绍了多项式回归和样条方法,展示了如何逐步增加模型复杂性以捕捉更细微的数据模式。贝叶斯方法不仅提供了点估计,还提供了完整的后验分布,使得模型更具解释性和鲁棒性。
30 1
贝叶斯线性回归:概率与预测建模的融合
|
6月前
|
机器学习/深度学习 并行计算 算法
【视频】Lasso回归、岭回归等正则化回归数学原理及R语言实例(一)
【视频】Lasso回归、岭回归等正则化回归数学原理及R语言实例(一)
|
6月前
|
机器学习/深度学习 存储 算法
【视频】Lasso回归、岭回归等正则化回归数学原理及R语言实例(二)
【视频】Lasso回归、岭回归等正则化回归数学原理及R语言实例二)
|
机器学习/深度学习 存储 索引
用4种回归方法绘制预测结果图表:向量回归、随机森林回归、线性回归、K-最近邻回归
用4种回归方法绘制预测结果图表:向量回归、随机森林回归、线性回归、K-最近邻回归
159 0
特征选择:回归,二分类,多分类特征选择有这么多差异需要注意
特征选择:回归,二分类,多分类特征选择有这么多差异需要注意
143 0
|
机器学习/深度学习 数据可视化 算法
机器学习系列6 使用Scikit-learn构建回归模型:简单线性回归、多项式回归与多元线性回归
在本文中,我们以美国南瓜数据为例,讲解了三种线性回归的原理与使用方法,探寻数据之间的相关性,并构建了6种线性回归模型。将准确率从一开始的0.04提升到0.96.
337 0
|
机器学习/深度学习 算法
连载|GBDT如何进行回归和分类
连载|GBDT如何进行回归和分类
|
数据采集 知识图谱
4-1预测与回归
4-1预测与回归
123 0
4-1预测与回归
|
机器学习/深度学习 算法 开发者
回归模型参数估计-4| 学习笔记
快速学习回归模型参数估计-4。
回归模型参数估计-4| 学习笔记
|
机器学习/深度学习 算法 开发者
回归模型参数估计-5| 学习笔记
快速学习回归模型参数估计-5。
回归模型参数估计-5| 学习笔记