易中天语录。。。。。。

然后韩信就和那个南昌亭长绝交了~~~不跟他玩了!      .

那个印就在手里磨阿磨,磨阿磨,等到方的都磨成圆的了,还不给人家!~  

这么多人你不追,偏去追那个韩什么信的     

他(韩信)经常去蹭饭吃的一家叫南昌亭长……把饭先做好,等他来了就吃完了——人家讨厌他嘛……他脾气还大的不行,一甩袖子,绝交。      

您老人家(南昌亭长)是个小人啊。


韩信大笑想不到我今天与樊哙这种人为伍啦!”——樊哙怎么了吗?      

(胶西王卖官):和尚摸得,我摸不得?秦始皇卖得,我卖不得?      .

他好看啊,他帅啊,他酷啊,没有用啊。(知道说谁呢么?)      

大夫范蠡下海经商,据说还带了一个小蜜      .

刘邦对萧何说:你小子他*的跑哪去了!   

萧何:我去追人才去了,    刘邦:谁啊?    萧何:韩信。    刘邦:扯——淡。      .

空城计不符合逻辑啊,你想想,司马懿十万大军开过来了,他诸葛亮叫几个老兵去扫地,大开4城门,再叫2个小孩在他身边,他自己呢,拿着张琴唱卡拉OK…   

再说了,司马懿当时十万大军,就一点办法都没有,我看不会吧……   

第一,当时司马懿看诸葛亮神态自若,听琴声平稳,说明他俩离的很近嘛!你司马懿派一个连队进去打探打探虚实不行吗?   

第二,诸葛亮高高在上,司马懿就不会找个神箭手把他给射下来?(哈哈~~

  第三,司马懿十万大军啊,你把诸葛亮的城池围他个三天三夜,看他到时候会怎么样!   

所以我说,空城计这件事,是决不会发生在诸葛亮身上滴~~      

吕布想:曹操这个贼,狡猾狡猾地

.
清朝入关前将领们都学三国,把《三国演义》印了1000本,发给各个将领作内部文件
....
     

司马懿是个知识分子......      

不服周,不服周,老子奏丝不服周~(武汉话,作痛苦状...)      

宝贝,你回来吧,好不好?   别闹了,跟我回去吧…… (说的是曹操劝老婆回家)

《品人录》121页:武则天拿着那张旧船票,重新登上了后宫这艘豪华游艇。

曹操他吃不讲究,穿不讲究,住叶不讲究,常年在外行军打仗,估计他女人也不讲究,只能将就      

曹操是喜欢美女的,他不管走到哪里都喜欢搂草打兔子,收编一些美女什么的!     

这个时候的曹操因为刚刚出道,二十岁还不太懂得官场,是个生瓜蛋子。以为他当了一个副县级的公安局长就怎么了不起了,他放出话来谁敢违令格杀勿论,结果蹇图这个大尾巴狼撞上来了,说出去的话泼出去的水,只好硬着头皮把他打死。 

    曹操从中央到地方,又从地方到中央,给朝廷写了无数的建议,都如泥牛入海,杳无信讯。      

男孩子小的时候不调皮的长大了没出息.      

就使我们觉得袁绍这个人好像有一种天才,凡是对他有利的正确的意见他一定是不听的,凡是对他不利的错误的意见他一定是要听的,那才是怪了。      

政治上失利,道义上失理,战略上失策,指挥上失误,用人上失当,组织上失和,有此六失,还不失败,那才叫天理不容。      

因为大概袁绍这个人也是一表人才,是一个帅哥,然后他三个儿子当中小儿子最帅,于是袁绍就认为老帅哥的接班人那就应该是小帅哥,荒唐嘛,这不是荒唐嘛!

袁绍这个人政治上短见,军事上弱智,组织上低能。      

(袁绍)整天在家里面大会宾客,用现在的话说就是办沙龙,开Party,车水马龙,门庭若市。这个事情当时就引起了当局的注意.

   
哪有说大侠用斧头的,或者是两把铁锤(作企鹅状),这不成体统.所以说剑是很高贵的。      

刘邦想对啊,这个时候不能骂韩信哪,这个时候不能得罪他,可是我已经骂过了呀继续骂:混蛋!男子汉大丈夫建功立业,要当就当个真齐王,干吗当假的呀!’”     

我要是把衣服让给别人穿,那是以身相许      

晴雯又没和宝玉那个,和宝玉那个的是袭人!     

韩信刚参加工作那会儿... “      

我被你雇佣了,我是忠心耿耿给你谋划,如果我的主意你不听,byebye,我换一个老板。     

韩信是待业青年““       刘邦:我是流氓我怕谁啊““      

朝廷派人去查吴王,也没有发现什么大规模杀伤性武器嘛     

杨奉、董承就把皇帝迎回洛阳……从长安到洛阳一走就是一年,天子就成了浪子
’”

做人情,最重要的是要让对方察觉不到你在做人情……”      

辣(那)个皇上哪里敢在你送上来的报告上批No嘛~~他只会批Yes嘛~~~你嫌辣个手续费事干嘛嘛~~~     

现在有的朋友喜欢看什么什么谋略、什么什么100方之类的,其实要我说,那些都是小计,摸透人性才是大道……”      

文丑被斩以后,关羽就给曹操写了一份辞呈,骑上赤兔马,去追他那个比兔子跑得还快的哥哥了………文丑死了以后刘备向兔子一样调头就跑     

刘备干逃跑这事还是很在行地。他就像海轮上的老鼠,好像总是能第一个察觉到哪一艘船会翻掉(经典的比喻,要记住)………先是跟着公孙瓒打袁绍,然后又跟着曹操打吕布,又跟着袁绍打曹操……”--!      

袁尚、袁熙哥俩一合计:咱们请公孙康那小子喝酒,在酒席上就把他给做了!这边公孙康也合计:不如我请他们哥俩来喝酒,在酒席上就把他给做了……’……结果是公孙康把那俩给做了-!     

曹丕一进袁府,看见有个满头白发的老太婆,是袁绍的夫人……在井边坐着一个披头散发的年轻女子,辣(那)是袁熙的新婚妻子甄氏。甄氏的头发把整个脸遮住了,等曹丕把甄氏的长发撩开,当时就惊呆了……” (午夜凶铃啊???)      

袁绍这个人,和曹操相比最大的弱点就是——见识迟!也就是反应慢。总比曹操慢半拍     

袁绍是庶出,袁术是嫡出,所以袁术总看不起袁绍:你看,怪不得是小老婆生的,干不成什么大事~~要立新君就立自个儿嘛,干嘛立别人,多此一举嘛’”      

他们的愚蠢是和狂妄成正比的——袁绍比曹操狂,袁绍比曹操蠢;袁术比袁绍还狂,袁术就比袁绍还蠢。最牛的最蠢~~~     

那时候江东的老百姓都称孙策为孙郎,称周瑜为周郎。郎,就是小伙子,有赞美的意思。所以,孙郎就是孙帅哥周郎就是周帅哥’…………帅哥都是喜欢美媚滴,所以孙策和周瑜分别娶到了当时最漂亮的两个女孩子………可以说这时的周瑜是战场、官场、情场,场场得意!………反正我是很羡慕!     

顺便说一句,蒋干这个人也是被冤枉地~~他根本就没盗过什么书,长得也不丑,而且也是一位帅哥~~因为周瑜是帅哥嘛,帅哥的朋友~~一般也是帅哥~~(--!)
     

尽管在学者眼中,红楼梦是中国小说的No.1,但是一般老百姓还是认水浒、三国。你看,各行各业供的祖师爷,都是三国、水浒里的人物——强盗,拜宋江为祖师爷;小偷,拜时迁(--!)……剃头的拜关羽……财神也是关羽……依我看关羽迟早会成为婚介行业的祖师爷,因为关羽对于爱情是有追求的。他和刘备在曹操手下的时候,在攻打吕布之前,对曹操讲:打下吕布后,你要把某某嫁给我。曹操同意了……曹操一看:国色天香!近水楼台我就先得月了——占为己有了。结果弄得关羽很郁闷。。。     

剃头的和关羽有什么关系嘛。三国那时候的人是不剃头的,留全发的。只是剃头的和关羽的手里都有一把刀而已嘛~~让我想起有个剃头的贴了一幅对联:问天下头颅几许?看老夫手段如何!看了这个谁还敢进去剃头嘛!     

袁术以为皇帝的称号就像现在我们市场经济条件下的商标一样,要抢先注册,他以为他抢先注册了皇帝的商标别人就不能把他怎么的了,没想到他反而成了众矢之的
   韩信,你不是个厚道人!      

削藩是要削的,但是不是像你晁错这样急吼吼的。晁错说:那不管啦,削之亦反,不削亦反!那我们就搞他一下!结果两个人一看,还真反哪!      

如果别人惹你一下,你马上扑上去,一口咬住,死死不放,这是什么,螃蟹!韩信肯定不是螃蟹。      

诺,相当于现在的OK      

刘邦:当将军还不行,那就让他当大将军!萧何:那就再好不过了。 

在多年征战中风餐露宿,得个风湿性关节炎啦,那倒也是可能的!

曹操第一个官职是洛阳县北部尉,相当于副县级公安局长     

曹操身高短小,估计也就和我差不多吧。跟184的诸葛亮比起来,只能算是不合格的残次品--!     

桓帝和灵帝都是不适合当皇帝的……灵帝的爱好是文学艺术和建筑艺术。他对于建筑还是颇有研究的。他成天搞研究,结果在皇宫里搞成了一个自来水系统!而且他还要在全城推广自己的科研成果,宣布:要让全城的老百姓都喝上自来水~~~你是当皇帝的,不是搞上下水的嘛!     

灵帝时期,卖官行为已经是完全公开的了——明码标价,公开招标~~有个叫崔烈的,已经是位列九卿了,还老想过一把做三公的瘾。这时灵帝的一个妃子,姓程的,就悄悄的跟他讲(学耳语状):你不是想做三公么,我能搞到内部优惠价,五折~~~
’”
     

由于组成盟军的各路诸侯都在函谷关以东,所以这只部队又被称为关东联军、关东盟军、关东义军~~~简称关东军(--!!!)     

曹操对各路诸侯说:现在是灭董卓的最好时机——董卓已经把洛阳烧掉了,还劫持了皇帝,基本可以把他定位为恐怖组织了~~~  

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/196349/viewspace-371852/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/196349/viewspace-371852/

### 回答1: import xgboost as xgb from sklearn.grid_search import GridSearchCV# 设置参数列表 param_grid = { 'max_depth': [3, 4, 5], 'learning_rate': [0.01, 0.1, 0.2], 'n_estimators': [200, 400, 600], 'subsample': [0.8, 1.0], 'colsample_bytree': [0.8, 1.0] } # 使用GridSearchCV进行搜索 xgb_model = xgb.XGBClassifier() grid_search = GridSearchCV(xgb_model, param_grid, verbose=1, cv=5) grid_search.fit(X_train, y_train) # 输出最优参数 best_parameters = grid_search.best_params_ print(best_parameters) ### 回答2: XGBoost是一种常用的梯度提升树算法,可以用于分类和回归问题。调参是优化模型性能的关键步骤。下面是一个关于XGBoost机器学习模型调参的Python代码示例: ```python import xgboost as xgb from sklearn.datasets import load_boston from sklearn.model_selection import GridSearchCV, train_test_split from sklearn.metrics import mean_squared_error # 载入数据集 data = load_boston() X, y = data.data, data.target # 划分训练集和验证集 X_train, X_valid, y_train, y_valid = train_test_split(X, y, test_size=0.2, random_state=42) # 定义模型 model = xgb.XGBRegressor() # 定义要搜索的超参数范围 param_grid = { 'n_estimators': [50, 100, 200], 'max_depth': [3, 4, 5], 'learning_rate': [0.1, 0.01, 0.001] } # 网格搜索调参 grid = GridSearchCV(model, param_grid, scoring='neg_mean_squared_error', cv=5) grid.fit(X_train, y_train) # 输出最佳参数和最佳得分 print("Best Parameters: ", grid.best_params_) print("Best Score: ", -grid.best_score_) # 使用最佳参数的模型进行预测 best_model = grid.best_estimator_ y_pred = best_model.predict(X_valid) # 计算均方误差 mse = mean_squared_error(y_valid, y_pred) print("Mean Squared Error: ", mse) ``` 在这个示例中,我们首先导入了必要的库,包括xgboost、sklearn.datasets等。然后我们使用`load_boston`函数载入一个波士顿房价的数据集,并将其划分为训练集和验证集。 接下来,我们定义了一个XGBoost回归模型,并定义了我们要搜索的超参数范围。在这个示例中,我们搜索了三个超参数:n_estimators(弱学习器的个数)、max_depth(树的最大深度)和learning_rate(学习率)。 然后,我们使用`GridSearchCV`函数进行网格搜索调参。其中,`scoring`参数指定了评估指标(负均方误差),`cv`参数指定了交叉验证的折数。 最后,我们输出了最佳参数和最佳得分。然后,使用最佳参数的模型进行预测,并计算了均方误差。 这是一个简单的示例,实际调参可能需要更的超参数和更复杂的搜索策略,但以上代码可以作为一个起点帮助你进行XGBoost模型调参。 ### 回答3: xgboost是一种强大的机器学习模型,但在使用过程中需要调参来优化模型的性能。下面是一个关于xgboost机器学习模型调参的Python代码示例: ```python import xgboost as xgb from sklearn.datasets import load_boston from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error from sklearn.model_selection import GridSearchCV # 载入数据 boston = load_boston() X, y = boston.data, boston.target # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0) # 构建xgb模型 xgbr = xgb.XGBRegressor() # 设置需要调参的参数 parameters = {'nthread': [4], 'objective': ['reg:squarederror'], 'learning_rate': [0.1, 0.01], 'max_depth': [3, 5, 7], 'min_child_weight': [1, 3, 5], 'subsample': [0.6, 0.8], 'colsample_bytree': [0.6, 0.8], 'n_estimators': [100, 200] } # 使用GridSearchCV进行调参 grid_search = GridSearchCV(estimator=xgbr, param_grid=parameters, scoring='neg_mean_squared_error', cv=5, n_jobs=-1) grid_search.fit(X_train, y_train) # 输出最佳参数和最佳得分 best_parameters = grid_search.best_params_ best_score = grid_search.best_score_ print("Best parameters: ", best_parameters) print("Best score: ", best_score) # 使用最佳参数训练模型 xgbr_best = xgb.XGBRegressor(**best_parameters) xgbr_best.fit(X_train, y_train) # 预测并计算均方误差 y_pred = xgbr_best.predict(X_test) mse = mean_squared_error(y_test, y_pred) print("Mean Squared Error: ", mse) ``` 以上代码使用了xgboost模型对波士顿房价数据进行预测,通过GridSearchCV调参获取最佳参数,并使用最佳参数训练模型,最后输出了预测结果的均方误差。你可以根据自己的需要,根据实际情况修改代码中的参数范围和评估指标。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值