Aladdin's Other Lamp

看的无比想念上海，里弄和些上海话，都那么熟悉。一个晕血的孱弱书生，用智慧做武器，保护两个最重要的女人在乱世中生存。那种坚毅和稳重，真是佩服。

很不错了，虽然没让我惊艳（可能是爱好不对口），但是也没让我失望。

幸福，应该是什么样子 爱恋，应该如何深情 对的人，你在什么地方 喜欢的是你无条件的纵容 贪恋的是你肆无忌惮的宠溺 在乎的是你毫无保留的疼爱 心疼的是你义无反顾的别离 说不出感觉的点点滴滴汇聚成那些苍白的过往 你说的爱我宠我如今早已随风飘散在那些不知名的空间 有人说  很多东西可遇不可求  但爱上你从不后悔 有人说  一场没有终点站的马拉松是没有意义的 但我想如果这是为了爱你  我甘之如饴 永远都要记住 既然想要就不要忘记追逐 没有什么会自动亲手奉上 所以 好好加油 还没有真正意义上开始的人生已过了几分之几 何所冬暖  何所夏凉 不过是再回首  手心的温度

20W02/52：前额叶皮质使用指南 - 《Aladdin's Other Lamp》 这是一本实用型的论说性剧集。 编剧的目的在于帮助我们形成理性思维。 给出的方法是学会评估自我思维中的问题并解决，具体可以通过以下几个方面。 第1， 认识到人类心灵的3个功能组成：思维，情感和欲求。三者不断相互影响，但只有思维是我们可以直接触及的。 第2，认识到思维的8个基本要素，依次是产生目的、做出推断、提出问题、形成假设、利用信息、产生意涵、利用概念和插入观点。 第3，评估自我思维的需要应用到至少9个基本标准，分别是，清晰性、关联性、逻辑性、准确性、深度、重要性、精确性、广度和公平性。 第4，识别并修正影响理性策略思维两大障碍，自我中心主义和社会中心主义。

开始15集挺不错的，后面烂尾，最后几集烂到抠脚，感觉中途换了个编剧还是换了导演？另外有一点，这么大差距年龄演情侣，不是伴干爹吗？最重要的还亲嘴儿！

这部剧80%的部分在讲老王和绿巨人因为一个女人争风吃醋。到后来女主死了，老王绿巨人惺惺相惜成为挚友并幸福地生活在一起...编剧如果是天主教徒就有意思了

在实际工作中科学确定指标权重的方法有三种： 第一类是AHP层次分析法，此类方法用数字的相对大小信息进行权重计算，通过矩阵求解的方式求出特征矩阵，作为指标的权重。 第二类是主成分分析法，此类方法利用了数据的信息浓缩原理，利用方差解释率进行权重计算。 第三类是熵权法，以每个特征的信息熵大小决定权重，借用了信息熵的概念。 前两类前文讲过，今天主要讲第三类熵权法 理解熵权法的核心是要理解信息熵，理解信息熵之后，熵权法的其他步骤就是数据建模时的一般复杂计算而已 信息熵是由克劳德 • 香农提出的，按照吴军在《Aladdin's Other Lamp》中的观点，信息熵在提出之前和之后是完全不同的两个时代。香农最重大的贡献是他揭示了信息的本质，给人类带来了一种新的世界观，几乎以一己之力结局了信息处理、密码学和通信最基础的理论问题，历史因为他的贡献而发生了巨大的转折。 信息熵是信息的不确定性（Uncertainty）的度量，不确定性越大，信息熵越大，要消除不确定性需要的信息就越多。将信息与不确定性联系起来具有划时代的意义，深刻影响了之后的科学发展走向，围绕着不确定性重新构建起我们对世界的认知，即不确定性是世界固有特性，不要试图否定他。而要消除不确定性，或者说预测事情的发展，不能靠套用一两个经典理论，而需要大量的信息。正是在这样方法论的指导下，人类才迈入信息时代，我们今天才会想到利用包含了大量信息的大数据来解决问题。 信息熵的公式和热力学熵的公示非常类似。信息和质量、温度等物理量一样，是实际存在的，也是可以测量的，信息熵的单位是比特，1比特是按照抛一次硬币的结果来定义的。 H=-∑_(i=1)^n▒〖p_(i ) ln〖(p〗_(i ))〗 通过熵权法来计算信息熵主要分为5个步骤 1、归一化 对于不同量纲的指标比较信息熵显然没有意义，需要先进行归一化。 同时，需要对负向指标正向化处理，处理后的指标均为正向指标。 正向指标： t_(ij )=(x_(ij )-min{x_1j···x_1n })/(max{x_1j···x_1n }-min{x_1j···x_1n } ) 负向指标： t_(ij )=(max{x_1j···x_1n }-x_(ij ))/(max{x_1j···x_1n }-min{x_1j···x_1n } ) 2、计算信息熵 e_j=-k∑_(i=1)^n▒〖p_(i j) ln⁡(p_(i j))〗 其中k= 1/ln(n)>0 需要注意的是，这里的p不再是每个取值的数量所占的比例，而是该取值的大小除以该指标所有取值的总和。 比如，共有2个样本，当指标 j 取值分别为0,1，那么p_1=0/(0+1)，p_2=1/(0+1)，带入公式可得e=0。 当2个样本取值分别为1/2,1/2时，p_1=1/2/(1/2+1/2)=1/2，p_2=1/2/(1/2+1/2)，带入公式可得e=1。 3、计算信息熵冗余度（差异）： d_j=1-e_j 4、计算各指标的权重 w_j=d_(j )/(∑_(j=1)^n▒d_(j ) ) 5、计算各样本的综合得分 s_i=∑_(j=1)^m▒w_(j ) t_(ij ) 最重要的一点： p不是各取值的比例，而是各个取值的相对大小