塔尔寺
摘要 【贵州茅台、中国平安等今日均出现溢价大宗交易】12月6日，贵州茅台等多只大盘蓝筹股出现溢价大宗交易。（证券时报） 12月6日，贵州茅台等多只大盘蓝筹股出现溢价大宗交易。其中，贵州茅台发生4笔大宗交易，其中一笔的成交价格为633元，相比当日收盘价溢价1.18%，成交量为1.8万股，成交额1139.4万元，其余3笔的成交价格均为625元，与当日收盘价持平，合计1.95万股，成交额1219万元。此外，中国平安溢价2.6%成交两笔共计790万元大宗交易；中国联通溢价0.57%成交两笔共计607万元大宗交易。 (责任编辑：DF328) 塔尔寺
原标题：【印尼渔业机构扣留中国渔船】外交部：已通过外交渠道进行沟通交涉据报道，近日，印度尼西亚的渔业机构以在相关海域进行非法作业为由，扣留了一艘中国渔船。中国外交部发言人耿爽在今天（6日）的例行记者会上表示，中方有关部门正在处理相关事件，希望此事能够妥善解决。?外交部发言人耿爽：这艘渔船是经东帝汶政府批准在相关的海域进行作业，我们已经通过外交渠道同印尼、东帝汶等方面进行沟通交涉，推动此事能够妥善解决，中国的渔民渔船能够尽快获释。塔尔寺
原标题：所有在朋友圈转发这些文章的，都杀了人 都说“流言止于智者”，但如今这年头，智者进了朋友圈，也只有被吊打的份。因为智者追求的是真相，而民众要的是感动、愤怒、鄙视和共鸣。 1如果有人问我，你最讨厌的是什么？我一定会在半秒内做出回答：被人冤枉。扣在我头上长达三年的“花心渣男”帽子，就是这么来的。事情很简单：大二那年堂妹到我这里旅游，爸妈嘱咐要好好招待，于是我陪她订了旅店，付了房费，没想到这过程被一个认识我的同学偷拍了下来。消息立马传到了其他人的耳朵里：号外！号外！花边新闻：某男和一个陌生女人开房，有图有真相，100%不掺假！就这样，一夜之间所有人都知道了这个“真相”。室友拍拍我肩膀：有出息，脚踏两只船啊。我说那是我堂妹，他说你不用解释了，我懂。我懵逼了。想要澄清，可公安局不给我开我堂妹是我堂妹的证明，于是花花公子、浪荡小哥、渣男的称号此起彼伏，伴随我度过了美好的大学生活。除了大学之外，我在网上也没少被人冤枉。半年前，我期盼已久的一款游戏正式发售了，作为铁杆粉，我发了篇文章表达自己的喜悦心情，没想到第二天便收到质疑：“你收了游戏公司的黑钱吧？”后来骂我的人越来越多，我不堪其扰，只好把文章删掉塔尔寺
今年5月，老黄带来了新轻薄游戏本的解决方案——MAX-Q设计。通过该设计，游戏本可以更加轻薄、机器内部的散热性能得到了更多优化、显卡的性能也更加出色。那么，NVIDIA这项技术究竟有什么黑科技呢？
去年的GTX 10系显卡回春 MAX-Q设计成为5月焦点
转眼间，2017年就要接近尾声了。很多科技厂商都在今年搞了一些大事情，比如Intel，今年发布了第八代酷睿处理器、AMD则发布了Ryzen处理器和Vega显卡。而NVDIA，在今年5月份发布了新款MAX-Q轻薄游戏本解决方案。
NVIDIA今年的大动作其实并没有去年那么大，原因中一是自家去年发布的GTX 10系列显卡确实在性能上有重大的飞跃，今年如果再推新架构的显卡有点赶工的意味，二是NVIDIA现正在寻找新的业务拓展领域，包括MAX-Q的诞生，都是在从不同的角度去优化自家的产品，同时为玩家带来更好的游戏体验。
MAX-Q设计在推出之后，到现在已经过去了8个月。目前来看基于MAX-Q设计的游戏本似乎还离玩家们比较远，因为市面上大部分热销的主流游戏本还是采用了普通GTX 10系显卡，并没有MAX-Q的字样。那么MAX-Q设计的游戏本到底好不好呢？笔者今天就来说说这款新设计，看看NVIDIA到底在这款解决方案中加入了哪些黑科技。
什么是M塔尔寺
原标题：各种机器学习的应用场景分别是什么？
雷锋网按：本文作者xyzh，本文整理自作者在知乎问题《各种机器学习的应用场景分别是什么？》下的回答， 雷锋网获其授权发布。
关于这个问题我今天正好看到了这个文章，讲的正是各个算法的优劣分析，很中肯。
正好14年的时候有人做过一个实验[1]，比较在不同数据集上（121个），不同的分类器（179个）的实际效果。
论文题为：Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?
实验时间有点早，我尝试着结合我自己的理解、一些最近的实验，来谈一谈吧。主要针对分类器(Classifier)。
写给懒得看的人：
没有最好的分类器，只有最合适的分类器。
随机森林平均来说最强，但也只在9.9%的数据集上拿到了第一，优点是鲜有短板。
SVM的平均水平紧随其后，在10.7%的数据集上拿到第一。
神经网络（13.2%）和boosting（~9%）表现不错。
数据维度越高，随机森林就比AdaBoost强越多，但是整体不及SVM[2]。
数据量越大，神经网络就越强。
近邻 (Nearest Neighbor)
典型的例子是KNN，它的思路就是——对于待判断的点，找到离它最近的几个数据点，根据它们塔尔寺