第555章 晚上來我房間，我教你學習！
「你真的要聽嗎？」池遠收起玩樂的心思，認真道，「這其實跟我們手頭上的工作沒啥關係。」
這部分是屬於數據分析，組裡不太可能讓他們涉及這部分任務。
「聽！只是現在沒關係而已。」英子回答很自信。
不僅是對她自己的學習能力自信，更是對池遠非人般的學習能力自信。
「好吧。」池遠笑了笑，在英子無語的眼神下，從褲兜里掏出隨身攜帶的筆。
只見他將紙張翻轉了一面，在上面寫道：
【1.高緯度和多模態數據：測試數據可能來自多個傳感器，涉及多種參數，因此數據是高維度和多模態的。例如，包括溫度、壓力、速度等多種測量。】
【2.時序性：測試數據通常是時序數據，因為太空飛行器的狀態和性能參數會隨著時間的推移而變化。】
【3.複雜的非線性關係……】
【4.缺失數據和異常值……】
【5.實時性要求……】
【6.數據標籤的稀疏性……】
「這是你對測試數據特性的分析？」
池遠點了點頭：
「基於這些特徵分析，我放棄了限制小規模數據量的梯度提升算法（XGBoost、LightGBM）和要求維度較低的LS-SVM算法，決定用深度學習算法，準確來說是模型，不止一個算法。」
「它的要求並不苛刻，複雜的數據結構，也可以通過多層神經網絡學習輸入數據的表示後進行處理。特別是它能自動學習高級抽象特徵，發現隱藏在數據背後的模式和規律，達到識別異常甚至預測的目的。」
說完，他又將自己的模型構思一一寫下來：
【1.時間序列分析：使用專門針對時間序列數據的深度學習模型，如長短時記憶網絡（LSTM）或門控循環單元（GRU）等。】
【2.數據預處理：……】
【3.學習模型預訓練：……】
【……】
【7.增強學習：在某些情況下，可以考慮使用增強學習來實時監測中遇到的決策問題。】
一整頁都寫滿了。
沒有在意小小稿紙承受的不該有字數，池遠期待地等待著英子的回答：
「這模型怎麼樣？」
池遠寫得很簡化，英子對深度學習有所了解也能看懂。
也正是因為能夠看懂，她微微皺起了眉頭，有些猶豫道：
「模型很完善……但是不是太複雜了？需要的計算資源是不是太多了？」
「是需要很大的計算資源，但這不是為了追求『最優』，面面都要考慮到嘛。」但這的確是個困擾池遠的問題，「你有沒有什麼建議？」
英子知道的不多，一時間也想不到好辦法。
話題冷了下來，兩個人一邊吃飯一邊發呆。
熟悉的眼神渙散，英子卻突然想起了下午看得眼神渙散的測試數據。
「我想到了！那些數據！非線性關係！」
她突然出聲，把池遠嚇了個一激靈，回過神忍不住提醒道，「是『複雜的』非線性關係……」
「別強調『複雜』了，要簡化！既然是非線性的，將略微相關的數據進行分類處理，得到類屬性，那時不時可以忽略類屬性變量之間的依賴關係可以相對忽略？」
要是拋開對『複雜』的執著，池遠也懂了英子的意思，「你的意思是用樸素貝葉斯分類器？」
「還有TAN分類器。」英子眯眼道。
「這想法不錯。」池遠笑著敲了敲桌子，「還有嗎？」
「我認為還能引入『注意力機制』，讓模型更加關注重要的特徵，從而提高對關鍵信息的捕捉能力。」英子越說越自信。
果然，不同的思考方式注意到的重點都是不一樣的。
英子兩條意見都是衝著『偷懶』……咳，是『簡化』的目的。
「但可靠性呢？」
深度學習算法有識別異常的工程，更重要的是它還能預測。
預測，就對可靠性有著更嚴苛的要求。
池遠的問題很致命。
「再設計一個可靠性模型？」英子試探性地問？
這又何嘗不是一種辦法？
池遠琢磨著除了將測試相關數據收入進去外，還可以將試車時長、試車次數、技術狀態、試車各環境參數等多種因素塞進可靠性模型中，最好綜合得到一個考核分值。
建模方法可以選生存分析（Survival Analysis）、可靠性塊圖（Reliability Block Diagram）、貝葉斯網絡，最好比較得到效果最好那個。
但，這會不會太複雜了？
池遠有些頭疼，沒辦法，這是擁有『抽象思維』也無法改變的思考習慣，『做減法』對於他而言太難，刪掉一個因素他都要糾結是不是就不可靠了。
他是做不到了……
「英子，」池遠眨巴起了大眼睛，「要不……模型算法部分就交給你了。你比較一下，最終選擇相對合適的。我可以負責將它實現。」
因為計算能力不行，英子養成了『簡化』的……好習慣，這任務交給她最合適不過。
「嗯哼~」英子很享受這種被需要的感覺，得意地微微仰下巴，「系統實現，不是十一所能做嗎？」
「能做又不代表願意去做，還得靠我們自己。」池遠心頭有數，十一所有自己的工作，不見得會認同他們的想法並付出時間，「所以，你看這算法。」
「我不會！」英子第一次覺得說這三個字能夠這樣理直氣壯。
「沒事，不會可以學，說好我教你學。」池遠拍拍胸口保證下來，並提議道，「乾脆你就別搬離我們的宿舍了。」
「不行，這得搬！」英子想了想，然後擺頭拒絕。
池遠暗道可惜，退而求次道：「那這樣，你今晚來我房間吧。」
也幸好周圍沒人！
「就……只是學習……」英子微微紅了俏臉。
「當然是學習啊！」
池遠灑脫地點頭，隨即從另一個褲兜摸出一張寫滿字的白紙給英子——
可靠性工程和統計學:
《可靠性工程：概率模型與維護方法》、《可靠性工程與風險分析：實踐指南》、《工程師與科學家的概率統計導論》……
數據挖掘和機器學習：
《數據挖掘：概念與技術》、《統計學習基礎：數據挖掘、推斷與預測》、《模式識別與機器學習》、《大規模數據挖掘》、《數據挖掘：實用機器學習工具與技術》……
深度學習：
《Scikit-Learn、Keras和TensorFlow實戰機器學習》、《機器學習：概率透視》、《模式識別與機器學習》、《」Deep Learning」 by Ian Goodfellow, Yoshua Bengio, and Aaron Courville》、《強化學習導論》……
英子眨眼看著上面眼花繚亂的書單愣住了，緋紅也慢慢消散。
她沒看到池遠低頭寫……這只能是他一開始就寫好的。
還掏得那樣果斷……
所以，胡思亂想的就一直只有她？
池遠還在自顧自地囑咐道：
「這些書你先讀著，晚上有問題隨時來問我。特別要注重基礎啊，有幾本要多讀幾遍的，就這本……痛！」
他還沒說完，就冷不丁地腳背挨了一腳，不由地有些委屈：
「你要是只想看一遍，也可以……我這不是讓步了嗎？怎麼還踩？！」
「就是想！」
……
這部分是屬於數據分析，組裡不太可能讓他們涉及這部分任務。
「聽！只是現在沒關係而已。」英子回答很自信。
不僅是對她自己的學習能力自信，更是對池遠非人般的學習能力自信。
「好吧。」池遠笑了笑，在英子無語的眼神下，從褲兜里掏出隨身攜帶的筆。
只見他將紙張翻轉了一面，在上面寫道：
【1.高緯度和多模態數據：測試數據可能來自多個傳感器，涉及多種參數，因此數據是高維度和多模態的。例如，包括溫度、壓力、速度等多種測量。】
【2.時序性：測試數據通常是時序數據，因為太空飛行器的狀態和性能參數會隨著時間的推移而變化。】
【3.複雜的非線性關係……】
【4.缺失數據和異常值……】
【5.實時性要求……】
【6.數據標籤的稀疏性……】
「這是你對測試數據特性的分析？」
池遠點了點頭：
「基於這些特徵分析，我放棄了限制小規模數據量的梯度提升算法（XGBoost、LightGBM）和要求維度較低的LS-SVM算法，決定用深度學習算法，準確來說是模型，不止一個算法。」
「它的要求並不苛刻，複雜的數據結構，也可以通過多層神經網絡學習輸入數據的表示後進行處理。特別是它能自動學習高級抽象特徵，發現隱藏在數據背後的模式和規律，達到識別異常甚至預測的目的。」
說完，他又將自己的模型構思一一寫下來：
【1.時間序列分析：使用專門針對時間序列數據的深度學習模型，如長短時記憶網絡（LSTM）或門控循環單元（GRU）等。】
【2.數據預處理：……】
【3.學習模型預訓練：……】
【……】
【7.增強學習：在某些情況下，可以考慮使用增強學習來實時監測中遇到的決策問題。】
一整頁都寫滿了。
沒有在意小小稿紙承受的不該有字數，池遠期待地等待著英子的回答：
「這模型怎麼樣？」
池遠寫得很簡化，英子對深度學習有所了解也能看懂。
也正是因為能夠看懂，她微微皺起了眉頭，有些猶豫道：
「模型很完善……但是不是太複雜了？需要的計算資源是不是太多了？」
「是需要很大的計算資源，但這不是為了追求『最優』，面面都要考慮到嘛。」但這的確是個困擾池遠的問題，「你有沒有什麼建議？」
英子知道的不多，一時間也想不到好辦法。
話題冷了下來，兩個人一邊吃飯一邊發呆。
熟悉的眼神渙散，英子卻突然想起了下午看得眼神渙散的測試數據。
「我想到了！那些數據！非線性關係！」
她突然出聲，把池遠嚇了個一激靈，回過神忍不住提醒道，「是『複雜的』非線性關係……」
「別強調『複雜』了，要簡化！既然是非線性的，將略微相關的數據進行分類處理，得到類屬性，那時不時可以忽略類屬性變量之間的依賴關係可以相對忽略？」
要是拋開對『複雜』的執著，池遠也懂了英子的意思，「你的意思是用樸素貝葉斯分類器？」
「還有TAN分類器。」英子眯眼道。
「這想法不錯。」池遠笑著敲了敲桌子，「還有嗎？」
「我認為還能引入『注意力機制』，讓模型更加關注重要的特徵，從而提高對關鍵信息的捕捉能力。」英子越說越自信。
果然，不同的思考方式注意到的重點都是不一樣的。
英子兩條意見都是衝著『偷懶』……咳，是『簡化』的目的。
「但可靠性呢？」
深度學習算法有識別異常的工程，更重要的是它還能預測。
預測，就對可靠性有著更嚴苛的要求。
池遠的問題很致命。
「再設計一個可靠性模型？」英子試探性地問？
這又何嘗不是一種辦法？
池遠琢磨著除了將測試相關數據收入進去外，還可以將試車時長、試車次數、技術狀態、試車各環境參數等多種因素塞進可靠性模型中，最好綜合得到一個考核分值。
建模方法可以選生存分析（Survival Analysis）、可靠性塊圖（Reliability Block Diagram）、貝葉斯網絡，最好比較得到效果最好那個。
但，這會不會太複雜了？
池遠有些頭疼，沒辦法，這是擁有『抽象思維』也無法改變的思考習慣，『做減法』對於他而言太難，刪掉一個因素他都要糾結是不是就不可靠了。
他是做不到了……
「英子，」池遠眨巴起了大眼睛，「要不……模型算法部分就交給你了。你比較一下，最終選擇相對合適的。我可以負責將它實現。」
因為計算能力不行，英子養成了『簡化』的……好習慣，這任務交給她最合適不過。
「嗯哼~」英子很享受這種被需要的感覺，得意地微微仰下巴，「系統實現，不是十一所能做嗎？」
「能做又不代表願意去做，還得靠我們自己。」池遠心頭有數，十一所有自己的工作，不見得會認同他們的想法並付出時間，「所以，你看這算法。」
「我不會！」英子第一次覺得說這三個字能夠這樣理直氣壯。
「沒事，不會可以學，說好我教你學。」池遠拍拍胸口保證下來，並提議道，「乾脆你就別搬離我們的宿舍了。」
「不行，這得搬！」英子想了想，然後擺頭拒絕。
池遠暗道可惜，退而求次道：「那這樣，你今晚來我房間吧。」
也幸好周圍沒人！
「就……只是學習……」英子微微紅了俏臉。
「當然是學習啊！」
池遠灑脫地點頭，隨即從另一個褲兜摸出一張寫滿字的白紙給英子——
可靠性工程和統計學:
《可靠性工程：概率模型與維護方法》、《可靠性工程與風險分析：實踐指南》、《工程師與科學家的概率統計導論》……
數據挖掘和機器學習：
《數據挖掘：概念與技術》、《統計學習基礎：數據挖掘、推斷與預測》、《模式識別與機器學習》、《大規模數據挖掘》、《數據挖掘：實用機器學習工具與技術》……
深度學習：
《Scikit-Learn、Keras和TensorFlow實戰機器學習》、《機器學習：概率透視》、《模式識別與機器學習》、《」Deep Learning」 by Ian Goodfellow, Yoshua Bengio, and Aaron Courville》、《強化學習導論》……
英子眨眼看著上面眼花繚亂的書單愣住了，緋紅也慢慢消散。
她沒看到池遠低頭寫……這只能是他一開始就寫好的。
還掏得那樣果斷……
所以，胡思亂想的就一直只有她？
池遠還在自顧自地囑咐道：
「這些書你先讀著，晚上有問題隨時來問我。特別要注重基礎啊，有幾本要多讀幾遍的，就這本……痛！」
他還沒說完，就冷不丁地腳背挨了一腳，不由地有些委屈：
「你要是只想看一遍，也可以……我這不是讓步了嗎？怎麼還踩？！」
「就是想！」
……