主题：用微分几何基础上的SVM, 研究肿瘤形状信息,提出预测 -- 晓兵
类似国家领导人之间谈话，时间有限，问题重大，向对方表达清楚你的立场观点，事先要花纳税人多少钱养一批人专门干这个领导人讲话文工团工作？ 对内对外.
所以目前看，机器学习大概是人类没有办法的办法了。人类目前在生产力和生产关系两个方面进步停滞，说到这些，我的老毛病就又犯了
example: wiki: 玻尔兹曼方程:表示碰撞的项是近似的,?难以积分,希尔伯特多年努力没有成功;
=没有严格的积分测度
Mandelbrot :"1）发现莱维（Paul Levy,1886—1971）稳定分布的重要性；2）用自相似观点研究噪声与湍流的阵发过程；3）［重新］发现M集合；4 ）在前人基础上扩展了维数概念，并使各领域科学家广泛理解；5 ）提出“分形”概念和“多分形”（multifractal）思想；"
"莱维分布"涉及到spectroscopy.
大概总结一下就是说，你要不然就有严格的数学定义，要不然就要有物理实验基础。比如量子力学， 物理学家和数学家就要在物理学实验基础上整出来一套量子数学来，然后反过来实验验证。很不容易.
类似气功。我见证过一个在美国的老中听气功录音带从死亡线上爬回来的情况。要说清气功也不容易.
乱写了.
-----------
"曼德布洛特集合（Mandelbrot set）， 标题中的“根”是指数学中一个多项式的解。如果你还没有忘光你的高中数学课，就应该知道下面这两个事实：任何一个多项式在复数域 中必有根，并且每个复数都可以在复平面上对应于一个点"
以前看到过的，没有仔细研究.
wiki:
In probability theory and statistics, the Lévy distribution, named after Paul Lévy, is a continuous probability distribution for a non-negative random variable. In spectroscopy, this distribution, with frequency as the dependent variable, is known as a van der Waals profile.[note 1] It is a special case of the inverse-gamma distribution
自己闷屋里大开脑洞没关系，对错都是禽兽无害，走到外面世界中，会吓到一般人的。
万物都有联系不错，但是不要心急，关系要一点点理顺。维度太高，大脑也不够用的。要有决心放弃大脑，用工具去扩展思维空间。方法论还是要讲一点的。
是人类社会交流方式的一个进步. 否则大家要互相钻到对方的脑子里，了解对方到底想说啥，目前人类的语言很难做到，不只是效率问题。
当然计算机语言也不是万能的，人类只能一步一步往前走.
比如你说的都是比较大的道理，人人都明白，但太明白也许没有很多内容。我说的也许又太具体，而且跨度还很大，我又没有仔细写，写得有不多。更像是写给我自己记笔记，人家读了不知说云，浪费了人家时间。
类似这种情况显然到处都是，古今中外
"思维发散"写好了就是金庸. 我们大多数人都不是金庸, 结果写的就是烂文.
有个实验总结.机器人写"色文"相对容易, you just need to keep pushing a few buttons. 机器人写"金庸文"就很困难.
但现实社会生活生产中大多数都不是让你去写"金庸文", then:
boolean, conditional, iterative, ..
大多数问题, 这些 operations 就可以先给妳分类,解决掉.
for example:
email classifier: spam or ham, SVM classifier can do it;
但真有人用电邮给你写情书,恐怕你也收不到了, SVM classifier may well throw it out as a spam.
This is a good discussion, thanks.
"思维发散"写好了就是金庸, 在這裡得了一大堆花, 那我們就來勁了8?
反過來我們就要戰天斗地, 捍衛我們自己的宇宙唯一正確, 我們拯救人類的救世主理論.
這就是個人類經常自我強化的非線性過程.
但現在這種 internet forum 戰場太多了, 結果就變成了 entropy 放大過程, 沒意思了. 成了自我強化過程的對沖機制, 很類似股票市場.
機器學習很有搞頭. 但要能夠動手寫至少一兩種語言, such as python, c++.
有新信息再在这里报告，他原来在一家类似的 start up工作，后来那个公司没钱做下去了, 现在换了一家公司，都在旧金山湾区