I like it here!

近几日的工作主要是在领略PPT07的精彩，闲暇时不经意间师弟Astro推荐给俺一个很不错的Web 2.0网站Lang-8。这里主要是语言学习和交流。师弟说他的英语在这里得到了提高。抱着试试看的心理，我也注册了一个帐号并写了俺的第一篇Diary，如下：
===============================================
Title: Nice website~! - 2008年10月28日 09:08
Content: With the introduction from astro, I knew this website. In my viewpoint, it is wonderful for our language learning and communications. Best to you. I like here!
===============================================

没想到几个小时后我被告知有人修改了我的日记，修改稿如下：
===============================================
With the introduction from astro, I knew this website.
(I was introduced to this website by Astro.)

In my viewpoint, it is wonderful for our language learning and communications.
(In my view, it is wonderful for our language learning and communications.)

*Best to you.

I like here!
(I like it here!)
===============================================

真是惨不忍睹啊，写了四句，有三句有错。最没想到的就是最后一句需要加一个it。询问了一下Google大师，得知如下结论：
===============================================
I like here. 我喜欢这里。
Do you like here? Yes, I like here.你喜欢这里吗？是的，我喜欢这里。
乍一看这个句子没有任何毛病，但其实是有毛病的。like是一个及物动词，它应该有宾语，而here是副词，不能作宾语。所以这个句子是不对的。
正 确的说法应该是I like it here，也就是在like和here之间加一个it, 这里的it就指当地的自然环境和文化氛围。当然你也可以直接说成I like this place.这样就有宾语了。所以如果你在北京的街上遇到一个外国人，你问他喜欢北京吗？就有三种问法：Do you like Beijing? Do you like it here? 或者Do you like this place? 但就是不能说成Do you like here?
===============================================

这个网站不错，继续练习英语写作！差点忘了网站链接如下：

http://www.lang-8.com

一位优秀的师弟

开始指导这位师弟时就感觉到他身上有一种特殊的素质，今天才知道他完整的本科经历。向这位师弟学习！

source：http://today.hit.edu.cn/articles/2008/10-20/10155029.htm

时间：2008-10-20 15:50:29 阅读： 511 标签： 计算机学院 访谈 丁效

让无悔的青春闪光

——访计算机学院科协主席丁效

（李博/文）丁效，哈尔滨工业大学计算机学院05级学生。现任计算机学院科协主席，曾任计算机学院学生会主席，腾讯创新俱乐部行政总监、营销总监，曾获全美大学生数学建模竞赛二等奖、全国大学生数学建模竞赛国家级一等奖、黑龙江省三好学生、哈尔滨工业大学自强之星、哈尔滨工业大学优秀团干部、哈尔滨工业大学优秀学生干部、哈尔滨工业大学优秀团员、哈尔滨工业大学暑期社会实践团先进个人等荣誉称号。在这些耀眼的成绩背后，又隐藏着怎样的汗水与感动，让我们一起走近丁效。

与想象的不同，丁效给人的感觉很平和，在平时的生活中，他也和我们大家一样，喜欢看书，动漫，玩些球类的运动。即使是在大四，并且作为学生会的主席，工作和学习的压力确实很大，但他也会合理的分配自己的时间。对于学习与工作的平衡，经验就是白天课程一定要全神贯注的听，同学上自习的时候他可能就在做学生工作，那么就在晚上同学休息的时候抓紧学习。初入大学之时丁效感觉自己在很多方面存在着欠缺：不擅长交际，甚至连在众人面前发表一下看法的勇气都没有。意识到这点不足之后，他便想尽各种办法来提高自己在这方面的能力。在工作和生活中尽量多接触不同的人，并在与人接触的过程中不断告诫自己，要学会欣赏、学会理解、更要学会宽容。“学生工作对人的影响是潜在的，也许大家会觉得浪费了宝贵的学习时间，但是要想更好的适应这个社会还是应该更加全面的发展一些。”这是他对学弟学妹们的劝告。他是一个很有理想的人，很多人都会有自己的目标和理想，可大多数人缺乏一种恒心与毅力。但他却能坚持下来，他戏言自己是一个慢热型的人，在大学之初他并没有一个很清晰的计划，也没有想过自己应该发展成一个什么样的人，成绩也不算理想，但是经过了开始的惨痛教训后他意识到自己应该有一个规划和目标，并且为此奋斗，从而有了今天骄人的成绩。熟悉他的人都会知道，他总是提到这样一句话：“人生的成功不过是在紧要处多一份坚持，人生的失败往往是在关键时刻少了坚持”。这就是他的座右铭，而且他也正是这样去做的。

本来怀着一颗紧张的心，但主席的和蔼让我们打消了顾虑，丁效随和、理性而又稳重，这也促使他顺利地进入学生会并且成功地成为学院的学生会主席。其实在他的身上，还有很多鲜为人知的故事。为了不给家里增加经济负担，他选择了打工，曾利用晚上熄灯前这段时间做发报纸的兼职工作，同时，还在学校网络中心做兼职工作。因为学院、班级、社团、兼职的工作任务量已经是一般人无法承受的了，所以为了在学业上不被其他同学拉下，他毅然地决定坚持利用晚上的时间来弥补白天欠缺的学习时间，这样的学习工作方式一直伴随着他走过了大学的三年时光。我们还从学院老师那里了解到，在一次评选学生标兵竞争中，以他的条件可以毫无悬念的被选上，但是丁效主动和老师提出把评优的资格让给其他更需要的同学。不仅在学习和生活上认真，他更加注重自己思想上的进步，大二上学期他参加了党课培训班，并且担任大班长一职，党课的学习让他相信：只要坚持不懈地热心帮助学校和社会上那些需要他帮助的人，他也会成为一名优秀的共产党员。丁效是一个很懂得感恩的人，他时常说：是感恩成就了他的辉煌。因为感恩，因为不想让别人失望，他坚持不懈，勇往直前。他觉得别人的肯定是对他最大的支持和鼓励。没错，在他的周围，在这个社会，有太多值得他去铭记、去感激、去报答的人们。一个优秀的人就是这样，值得学习，让人感动。很感谢他，感谢他的真诚相对。

实验设计的偏性

早上开始学习第一本数学基础书籍《统计学》，（参见前几日的数学书籍列表）。我争取这次我是认真的开始学习数学了。

本书开篇就是介绍统计学里面的实验设计，而且阐述原理是没有用任何数学公式。这和我以前本科时学习的统计学课本真是大不一样的风格，顿时就感觉这本书很有意思了：）

看完第一章“对照实验”和第二章“观察研究”的前两节。有两点收获。

1. 实验结果的可靠性需要深思。例如在进行新药物对疾病的有效性实验设计时，需要考虑到那些主动愿意接种疫苗的病人往往具有更良好的教育背景以及生活习惯，从 而更容易使得疫苗的有效性得以发挥。另外一个例子是一种新药在长达数年的实验过程中，是否坚持服新药也是一个非常重要的因素。如果在服新药实验的群体，整 体死亡率是20%，其中坚持者的死亡率是15%，不坚持者的死亡率是25%；而服旧药的群体的整体死亡率是21%，其中坚持服用者的死亡率是15%，不坚 持服用者是28%。在这组数据中，不能因为服用新药的群体中坚持服用的15%优于不坚持服用者的25%而认为新药是有效的。因为旧药也就有类似的规律。这 反映了坚持服药的人往往更加注重个人生活的质量和平时的保养。
2. 对照研究是实验者决定实验对象采用哪种方案，例如新药的服用与否。观察研究是实验者安排他们自己到不同的组中去，而实验者只是观察所发生的情况，例如观察吸烟10年以上人群的规律。

实验设计是一个非常值得重视的环节，个人感觉在NLP的研究里，一些实验设计是在有不经意间的偏性的。这里有两点值得以后注意：

a. 完全随机的双盲实验：研究者和被观察者都不知道方案和对象的匹配情况，而且这种匹配情况也是完全随机的
b. 观察研究实验结果往往混杂着各种因素，对这些因素进行研究的一种方法就是对较小和较均匀的组分开来比较。例如吸烟者和不吸烟者与死亡率的统计时就需要考虑 到男人比女人更容易得心脏病，需要对吸烟男性与不吸烟男性进行比较，对吸烟女性与不吸烟女性进行比较。年龄是另外一个复杂变量，因为老年人有不同程度的吸 烟习惯，并且他们患肺癌的风险较大。对已在吸烟者与不吸烟者之间的比较需要按年龄和性别分开来进行。

以后进行俺们自个儿的实验时也需要考虑到这些因素啊。

达摩与阿达摩

一本经文上如是说，达摩是了解在什么情况下应采取什么样的恰当行为各司其职。反之，则为阿达摩。

今天你达摩了么？

今天上午聆听了我很敬仰的一位师兄的博士答辩，也非常受启发，原来他达摩了，而我自己却经常阿达摩。向这位师兄学习，也祝贺他顺利答辩，并在答辩前评上了副教授。

[转载一篇很有趣的八卦]计算机图书排版的八卦

Source: http://blog.youxu.info/2008/10/13/trivia-about-computer-typesetting/

大 家都知道, 计算机科学家超级爱动手自己开发工具, 而且对美有超乎常人的需求. Knuth 爷爷当年觉得自己辛辛苦苦的好书被排版成地摊上的厕纸一样, 一怒之下自己搞出了红遍大江南北的 TeX. 从此整个世界都清净了. 排版是计算机科学家研究的一个很好玩的领域, 这篇文章就谈谈我所知道的关于排版的八卦.

先说 Knuth 爷爷的吧. 首先, 是在设计 TeX 的过程中, 这位老爷爷研究了很多著名的字体, 成了名动一时的字体专家, 据说和乔布斯并称为加州最懂字体设计的两个搞IT的 (我瞎说的). 研究字体之余, 他就研究收集各大书法家的作品, 然后这位老爷爷又是一个基督教徒, 所以干脆用它的收藏出了一本书, 叫做 <3:16>. 这本书特别牛逼, 是一本用计算机科学研究上帝存在的. 而且发挥计算机科学的小幽默, 取圣经每章的第3节第16小句, 还证明了这个和随机一样好.

还是克爷爷, 写完TeX之后不过瘾, 要写本书来冲冲喜, 于是写出了极其牛B名字的 The TeXbook. 一语双关, 表现了牛人一贯的狂妄. 写完这个他又想写写自己的字体和绘图系统设计(metafont 系统) 所以干脆出了五卷书, 行话称作ABCDE, 也是用名字来表明: 看, 基本的入门书, 你非看不可.

跑题一下: Knuth 爷爷最喜欢让人家看到他提出的名字就腿发软. 比如他提出了一个叫做 Literate Programming 的东西, 并且很不怀好意的对 Dijkstra 说, 小样, 当年你说 structured programming 的时候我非要用 goto, 结果人家都说我是 unstructured programming (没结构的编程), 现在我要提出一个叫做 literate programming 的东西, 你要是不跟着我混, 人家就会叫你 illiterate programming (没文化的编程). 在这么邪恶的名字下, 全世界程序员只好个个听这个老头的话, 乖乖的使用文档和程序融为一体的”有文化的”编程习惯.

其实克爷爷属于斯坦福家族的. 在70-80年代, 世界上还有一个NB的研究机构: 贝尔实验室. 贝尔实验室自己也开发了自己的排版工具: Troff. 开发者是著名的K, 就是 K&R 里面的那个K. 这个 Troff 也是一个牛到极点的排版软件, 比如说, 当年那些科学家都对出版社的排版不满意, 所以都威胁出版社说: 我自己来排版, 你们只管印刷就行了. 就是因为这帮科学家开了这个传统, 所以后来出版商遇到想自己排版的, 都用巨崇拜的眼光打量着你.

说到 troff, 以下大名鼎鼎的书都是用 troff 排版的:

Advanced Programming in the UNIX Environment
The AWK Programming Language
The C Programming Language
Compilers: Principles, Techniques, and Tools
Computer Networks, 3rd Ed.
Computer Networks And Internets, 3rd Ed.
The Design and Implementation of the 4.4BSD Operating System
Effective TCP/IP Programming
The Elements of Programming Style, 2nd Ed.
Internetworking With TCP/IP Volume 123
More Programming Pearls
The Practice of Programming
Software Tools
Unix Network Programming
The UNIX Programming Environment
Programming in C++

所以说, troff 排版的无烂书. 当然, TeX 家族也不是吃素的, SICP, TAoCP, CLRS 都是用 TeX 搞出来的. 陶哲轩也说, 鉴别民科文章第一步就是看是不是用TeX排版的. 可见排版排得专业, 也是好文章的一个先决条件.

我觉得可以把以上的结论概括成 徐氏排版定理, 如果一本书, 不是以上所说两个软件排版的, 又不是 O’Relly 出版的, 那是好书的概率也就不怎么大了. 作为一个作者来讲, 一定要记得用 troff 或者 latex 排版 :)

troff 和 latex 都是一脉相承的, 理念也差不多, 所以牛B的开发人员两头都在玩, 比如一个叫做 Werner Lemberg 的牛人, 就是 troff 的开发人员, 同时还跑到 TeX 那里开发了支持中日韩的 CJK 包. (大家都知道, 软件的中文支持从来都不是中国人开发的)

史上最牛的程序员 Bill Joy 同学据说用了一个周末就写出了 vi, 所以大家都怀疑, 他用了半个小时的时间写了 BSD 上的 troff. 他写的这个程序, 被SUN用着, 一直用到今天.

最 后强行插播一条广告: 我最近要写一本小册子, 叫做 Motifs in Computer Science (原名叫 Meta Ideas in Computer Science). 一定保证用 LaTeX+Troff+reStructuredText 排版, 按照我的 Troff/Latex 排版无烂书结论, 这本书也不是太烂. 欢迎捧场.

再补充一则八卦: 话说当年 PDP-11小型机特别贵, 但是贝尔实验室的科学家又想要用. 怎么办呢? 于是, 他们发挥了科学家爱忽悠的能力, 去和经理说: 你看, 我们文档的排版很烂吧(当年还是打字机时代), 你们投资一下搞一个小型机回来, 我们保证给你们开发一个在这个机器上用的文档排版系统. 经理一听, 大笔一挥说: 买之!. 科学家一听都乐了, 哈哈, 我们有新玩具了. 然后, 他们就开始在 PDP11 上开发 UNIX 了. 经理也不懂, 看他们搞的好玩, 就不时来问问: 老大们, 排版系统怎么样了? 贝尔的科学家一边敷衍敷衍, 一边继续搞 UNIX 和 C 语言. 等这两样都搞好了, 瞬间就写了一个排版软件, 就是 nroff. 经理可乐了, 说, 哎, 我们终于投资有回报了啊. 科学家也乐了, 因为若干年之后, C 和 UNIX 红遍大江南北, 因此两人拿下图灵奖. 所以说, 做研究这东西, 一定要先把基金忽悠过来, 然后想干啥干啥, 最后结果反而超出预料. (贝尔实验室的人居然研究宇宙背景辐射拿诺贝尔奖, 这种宽松宽容的基础研究在其他地方是很难遇到的).

SVM-Light-Tk1.2 SST Kernel vs ST kernel vs PT Kernel

图1 SubTree

图2 Subset Tree

图3 Partial Tree

近日完成一组实验，发现SVM-Light-TK 1.2 中有个-D参数，默认的-D是Subset Tree Kernel，-D设为0时是SubTree结构。再看SVM-Light-TK 作者06年ECML论文时发现三种树型结构拓展的关系。原来还有一种子树拓展结构，名叫Partial Tree，图3。

三者的关系是SubTree最为严格，扩展出来的子树必须是原始树中带有完整的所有叶节点的子树。
Subset Tree较为放松，允许扩展出来的子树不必包含各层完整的所有叶节点，但是要求同一层的兄弟非叶节点不能缺少，也就是语法规则不能遭到破坏。
Partial Tree最为宽泛，在Subset Tree的基础上允许同一层的兄弟非叶节点缺少。

上面三幅图中子树数量分别是6，10，30。

遗憾的是目前的SVM-Light-TK 1.2中还没有嵌入对Partial Tree的支持。

[转]统计学书籍推荐

具体来源未知 :)

一、统计学基础部分
　　 1、《统计学》 David Freedman等著，魏宗舒，施锡铨等译 中国统计出版社 　　 据说是统计思想讲得最好的一本书，读了部分章节，受益很多。整本书几乎没有公式，但是讲到了统计思想的精髓。
　　 2、《Mind on statistics(英文版）》 机械工业出版社
　 　 只需要高中的数学水平，统计的扫盲书。有一句话影响很深： Mathematics as to statistics is something like hammer, nails, wood as to a house, it's just the material and tools but not the house itself。
　　3、《Mathematical Statistics and Data Analysis（英文版.第二版）》 机械工业出版社
　　看了就发现和国内的数理统计树有明显的不同。这本书理念很好，讲了很多新的东西，把很热门的Bootstrap方法和传统统计在一起讲了。Amazon上有书评。
　　4、《Business Statistics a decision making approach（影印版）》 中国统计出版社
　　在实务中很实用的东西，虽然往往为数理统计的老师所不屑
　　5、《Understanding Statistics in the behavioral science（影印版）》 中国统计出版社
　　和上面那本是一个系列的。老外的书都挺有意思的
　　6、《探索性数据分析》中国统计出版社 和第一本是一个系列的。大家好好看看陈希儒老先生做的序，可以说是对中国数理统计的一种反思。
　　7、 数理统计引论
　　著译者： 陈希孺
　　出版者：科学出版社
　　《数理统计学简史》陈希孺
　　8 《概率论与数理统计教程》魏宗舒
二、回归部分
　　1、《应用线性回归》 中国统计出版社
　　还是著名的蓝皮书系列，有一定的深度，道理讲得挺透的。看看里面对于偏回归系数的说明，绝对是大开眼界啊！非常精彩的书
　　2、《Regression Analysis by example (3rd Ed影印版)》
　　这是偶第一本从头到底读完的原版统计书，太好看了。那张虚拟变量写得比小说都吸引人。没什么推导，甚至说“假定你有统计软件可以算出结果”，主要就是将分析，怎么看图，怎么看结果。看完才觉得回归真得很好玩
　　3、《Logistics回归模型——方法与应用》 王济川 郭志刚 高等教育出版社不多的国内的经典统计教材。两位都是社会学出身，不重推导重应用。每章都有详细的SAS和SPSS程序和输出的分析。两位估计洋墨水喝得比较多，中文写的书，但是明显老外写书的风格
三、多元
　　0、《多元统计分析引论》张尧庭，方开泰著 科学出版社
　　1、《应用多元分析（第二版）》 王学民 上海财经大学出版社
　　现在好像就是用的这本书，但是请注意，这本书的亮点不是推导，而是后面和SAS结合的部分，以及其中的一些想法（比如P99 n对假设检验的影响，绝对是统计的感觉，不是推推公式就能感觉到的）。这是一本国内很好的多元统计教材。
　　2、《Analyzing Multivariate Data（英文版）》 Lattin等著 机械工业出版社 这本书有很多直观的感觉和解释，非常有意思。对数学要求不高，证明也不够好，但的确是“统计书”，不是数学书。
　　3、《Applied Multivariate Statistical Analysis (5th Ed影印版)》 Johnson & Wichem 著 中国统计出版社
　　个人认为是国内能买到的最好的多元统计书了。Amazon 上有人评论，评价很高的。不过据王学民老师说，这本书的证明还是有不太清楚，老外实务可以，证明实在不咋的，呵呵
四、时间序列
　　1、《商务和经济预测中的时间序列模型》 弗朗西斯著
　　Amazon 上五星推荐的书，讲了很多很新的东西也非常实用。我看完才知道，原来时间序列不知有AR(1) MA(1)啊，哈
　　2、《Forecasting and Time Series an applied approach(third edition)》 Bowerman & Connell 著
　　本书的主讲Box-Jenkins(ARIMA)方法，附上了SAS和Minitab程序
五、抽样
　　1、《抽样技术》 科克伦著 张尧庭译
　　绝对是该领域最权威，最经典的书了。王学民老师说：这本书不是那么好懂的，数学系的人，就算看得懂每个公式，未必能懂它的意思（不是数学系的人，还是别看了吧）。
　　2、《Sampling: Design and Analysis（影印版)》 Lohr著 中国统计出版社
　　讲了很多很新的方法，无应答，非抽样误差，再抽样，都有讨论。也很不好懂，当时偶是和《Advance Microeconomic
　　Theory》一起看的，后者被许多人认为是梦魇，但是和前者一比，好懂多了。主要还是理念上的差距。我们的统计思想和数据感觉有待加强啊
六、软件及其他
　　1、《SAS软件与应用统计分析》 王吉利 张尧庭 主编
　　好书啊！！！！
　　2、《SAS V8基础教程》 汪嘉冈编 中国统计出版社
　　主要讲编程，没怎么讲统计。如果想加强SAS编程可以考虑。
　　3、《SPSS11统计分析教程（基础篇）（高级篇）》 张文彤 北京希望出版社
　　当初第一次看这本书，发现怎么几乎都看不懂，尤其是高级篇，现在终于搞清楚了：）
　　4、《金融市场的统计分析》 张尧庭著 广西师范大学出版社
　　张老师到底是大家，薄薄的一本书，言简意赅，把主要的金融模型都讲清楚了。看完会发现，分析金融单单数学模型还是纸上谈兵，必须加上统计模型和统计方法才能真正应用。本书用的多元统计（代数知识）比较深。
其它
　　Common Errors in Statistics : (and How to Avoid Them)
　　Good P.I., Hardin J.W.
　　John Wiley & Sons; 2003; 240стр.; ISBN: 0471460680