新开源讨论（ST凯瑞讨论）

1、如何看待微软新开源的LightGBM

非常赞的工作，实现了和XGBoost不一样的搜索策略，所以在算法效果上并不是完全一样。- XGBoost在单机默认是exact greedy，搜索所有的可能分割点。分布式是dynamic histogram，每一轮迭代重新estimate 潜在split candidate。- LightGBM和最近的FastBDT都采取了提前histogram binning再在bin好的数据上面进行搜索。在限定好candidate splits,- 主要的速度提升似乎来自于两点。 一个是搜索的时候选取delta比较大的叶子扩展。第二个是pre-bin之后的histogram的求和用了一个非常巧妙的减法trick，省了一半的时间。在算法和效果上面最近比较多的工作都开始基于提前限定分割点的近似算法然后快速求histogram。 这一类算法的潜在问题是限制了分割点只能是一开始的定下来的潜在这些。不知道这一点对于实际应用的影响会有多大。理论上数据越多，树越深的时候，需要的潜在分割点越多，可能需要根据训练来动态更新潜在的分割点。在算法上面采用delta比较大的扩展方向可以集中搜索提高比较重要的区域。一个潜在的问题是可能会忽略掉一些未来有潜力的节点。这些讨论都和具体的应用场景有关。个人觉得exact greedy和histogram方法的还会共存一段时间。或许可以比较好的在系统上面对这两个一起支持在系统上面因为集中做针对叶子的分割，似乎会对于数据集的random aess有一定的要求。如果不shuffle data的情况下可能会有cache 的问题。这个数据结构是一个有趣的问题非常值得学习，机器学习系统优化是非常重要的方向。希望可以看到越来越多这样实际的工作

2、大家来讨论下我这个配置

内存尽量用威刚的，金士顿假的太多了…硬盘用西数的，比日立的的性能好，而且不是日货，尽量不用日货…

3、如何看待微软新开源的LightGBM

非常赞的工作，实现了和XGBoost不一样的搜索策略，所以在算法效果上并不是完全一样。- XGBoost在单机默认是exact greedy，搜索所有的可能分割点。分布式是dynamic histogram，每一轮迭代重新estimate 潜在split candidate。- LightGBM和最近的FastBDT都采取了提前histogram binning再在bin好的数据上面进行搜索。在限定好candidate splits,- 主要的速度提升似乎来自于两点。 一个是搜索的时候选取delta比较大的叶子扩展。第二个是pre-bin之后的histogram的求和用了一个非常巧妙的减法trick，省了一半的时间。在算法和效果上面最近比较多的工作都开始基于提前限定分割点的近似算法然后快速求histogram。 这一类算法的潜在问题是限制了分割点只能是一开始的定下来的潜在这些。不知道这一点对于实际应用的影响会有多大。理论上数据越多，树越深的时候，需要的潜在分割点越多，可能需要根据训练来动态更新潜在的分割点。在算法上面采用delta比较大的扩展方向可以集中搜索提高比较重要的区域。一个潜在的问题是可能会忽略掉一些未来有潜力的节点。这些讨论都和具体的应用场景有关。个人觉得exact greedy和histogram方法的还会共存一段时间。或许可以比较好的在系统上面对这两个一起支持在系统上面因为集中做针对叶子的分割，似乎会对于数据集的random aess有一定的要求。如果不shuffle data的情况下可能会有cache 的问题。这个数据结构是一个有趣的问题非常值得学习，机器学习系统优化是非常重要的方向。希望可以看到越来越多这样实际的工作

4、如何看待微软新开源的LightGBM

非常赞的工作，实现了和XGBoost不一样的搜索策略，所以在算法效果上并不是完全一样。- XGBoost在单机默认是exact greedy，搜索所有的可能分割点。分布式是dynamic histogram，每一轮迭代重新estimate 潜在split candidate。- LightGBM和最近的FastBDT都采取了提前histogram binning再在bin好的数据上面进行搜索。在限定好candidate splits,- 主要的速度提升似乎来自于两点。 一个是搜索的时候选取delta比较大的叶子扩展。第二个是pre-bin之后的histogram的求和用了一个非常巧妙的减法trick，省了一半的时间。在算法和效果上面最近比较多的工作都开始基于提前限定分割点的近似算法然后快速求histogram。 这一类算法的潜在问题是限制了分割点只能是一开始的定下来的潜在这些。不知道这一点对于实际应用的影响会有多大。理论上数据越多，树越深的时候，需要的潜在分割点越多，可能需要根据训练来动态更新潜在的分割点。在算法上面采用delta比较大的扩展方向可以集中搜索提高比较重要的区域。一个潜在的问题是可能会忽略掉一些未来有潜力的节点。这些讨论都和具体的应用场景有关。个人觉得exact greedy和histogram方法的还会共存一段时间。或许可以比较好的在系统上面对这两个一起支持在系统上面因为集中做针对叶子的分割，似乎会对于数据集的random aess有一定的要求。如果不shuffle data的情况下可能会有cache 的问题。这个数据结构是一个有趣的问题非常值得学习，机器学习系统优化是非常重要的方向。希望可以看到越来越多这样实际的工作

5、融资融券交易时间是多少

你好，融资融券合约最大持仓天数为180天，逾期不平仓会被强制平仓，可以在到期前跟券商申请展期，能否获批不确定。

6、有人用过中投证券的掌中投交易软件吗？首页有个新年嘉年华活动页，点进去中了100元话费不知道怎么领取？

关于这个话费的
问题，也诉会有猫腻
你注意不要上当就行了

7、套白条被骗2750怎么办？

期货的本质是与他人签订一份远期买卖商品(或股指、外汇、利率)的合约.
做多一般容易理解,下面拿做空白糖为例(签订卖出合约时卖方手中并不一定有货)解释一下:
您在白糖每吨5000元时,估计糖价要下跌,您在期货市场上与买家签订了一份(一手)合约,(比如)约定在半年内,您可以随时卖给他10吨标准糖,价格是每吨5000元.(价值5000×10=50000元,按10%保证金算,您应提供5000元的履约保证金，履约保证金会跟随合约价值的变化而变化。)
买家为什么要同您签订合约呢?因为他看涨.
签订合约时,您手中并没有糖.您在观察市场,若市场如您所愿,下跌了,跌到每吨4500元时,您按每吨4500元买了10吨糖,以每吨5000元卖给了买家,合约履行完毕(您的履约保证金返还给您).您赚了:
(5000-4500)×10=5000(元)(手续费一般来回12元,忽略)
实际操作时,您只需在5000点（元）卖出一手糖,在4500点（元）买平就可以了,非常方便.
如果在半年内,糖价上涨,您没有机会买到低价糖平仓,您就会被迫买高价糖平仓(合约到期必须平仓),您就会亏损，而同您签订合约的买家就赚了。
假如您是5500点（元）平仓的,您会亏损:
(5500-5000)×10=5000(元)+12元手续费.
这样说，不知您明白了没有。