学习与培训有什么区别
培训与学习区别:
1.侧重点不一样
教育的内容侧重于知识，而培训的内容侧重于技巧；
2.主体不同
教育活动的主角是教师，而培训讲究培训者和学员的互动，其重点角色既是培训者又是学员；
3.过程不同
从过程来说，教育的过程主要是演示，而培训除了演示之外还有教习和指导。
4.要素不同
培训的特征是训练，它是与实际应用紧密相连的。而学习要素是学习的概念更加广泛，“活到老，学到老”，生活中无处不可以成为学习的课堂。
the propensity to patent翻译下吧，句子也不太理解
One of the challenges （with using patents to measure innovation）
is that （the propensity to patent may vary with industry）,【resulting in a potential source of bias.】
大体意思：用专利权去衡量创新面临着一种严峻的挑战，那就是专利倾向可能随各行业的变化而变化，与此同时，这（用专利权去衡量创新的挑战）会成为导致一种潜在偏见的根源。
解释：用专利作为标准来衡量创新，这是一种挑战，但同时，这也会存在很多误区和盲点。
因为这抹杀了有专利倾向创新的进步，毕竟不同行业的专利是不尽相同的。有专利倾向性的进步也是一种创新。因此，用专利作为标准来衡量创新，存在潜在的误区。
the propensity to patent 专利倾向
订酒店的时候这些选项分别是什么意思
订酒店时常见的选项如下：1. Accessible bathroom：残疾人专用浴室（或洗手间）。2. Accessible path of travel：残疾人专用道。3. Roll-in shower：无障碍淋浴间，适合使用轮椅的客人。4. In-room accessibility：常用于网线或移动信号，屋内可用。5. 24-hour front desk assistance：24小时前台服务。6. Free breakfast：免费早餐。7. Free parking：免费停车。8. Free internet access：免费上网。9. Non-smoking rooms：无烟房间。10. Smoking rooms：吸烟房间。11. Pets allowed：允许带宠物。12. Early check-in/late checkout：提前入住/延迟退房。13. Kitchen facilities：厨房设施，如微波炉、冰箱等。14. LCD TV：液晶电视，通常指液晶显示屏，比传统的CRT显示屏更加清晰、亮丽。15. DVD player：DVD播放器，用于观看DVD电影。17. Heating system：暖气系统，用于提高室内温度。18. Balcony or terrace：指房间内或客厅外有阳台或露台，可供客人休息或欣赏风景。19. Wi-Fi：无线网络，连接互联网使用。20. Free Wi-Fi：免费无线网络，一般指酒店内提供的公共无线网，不需付费即可使用。21. Pool：游泳池，一些酒店会提供室内或室外游泳池。22. Gym：健身房，提供健身器材和设施，供客人锻炼身体。23. Restaurant：酒店内是否有餐厅供应早餐或其他餐饮服务。24. Bar：酒店内是否有酒吧供应饮料和小吃。25. Conference room：会议室，供客人举办会议或活动。26. Close to public transportation：指酒店距离公共交通站点较近，方便客人出行。27. Close to shopping center：指酒店距离购物中心较近，方便购物和娱乐活动。28. Close to city center：指酒店距离市中心较近，方便游览和观光。30. Close to port/harbor：指酒店距离港口或海港较近，方便客人前往港口或海港或离开港口或海港。
分类和聚类的区别及各自的常见算法
学习数据挖掘的朋友，对分类算法和聚类算法都很熟悉。无论是分类算法还是聚类算法，都有许多具体的算法来实现具体的数据分析需求。很多时候，我们难以判断选择分类或者聚类的场合是什么。我们最直观的概念是，分类和聚类都是把某个被分析的对象划分到某个类里面，所以觉得这两种方法实际上是差不多一回事。然而当我们学习了许多具体算法之后再回来看，分类和聚类所实现的数据分析功能实际上是大相径庭的，他们之间不仅仅有算法上的具体差异，更重要的是，甚至他们的应用领域和所解决的具体问题都不一样。
1.类别是否预先定义是最直观区别
算法书上往往这样解释二者的区别：分类是把某个对象划分到某个具体的已经定义的类别当中，而聚类是把一些对象按照具体特征组织到若干个类别里。虽然都是把某个对象划分到某个类别中，但是分类的类别是已经预定义的，而聚类操作时，某个对象所属的类别却不是预定义的。所以，对象所属类别是否为事先，是二者的最基本区别。而这个区别，仅仅是从算法实现流程来看的。
2.二者解决的具体问题不一样
分类算法的基本功能是做预测。我们已知某个实体的具体特征，然后想判断这个实体具体属于哪一类，或者根据一些已知条件来估计感兴趣的参数。比如：我们已知某个人存款金额是10000元，这个人没有结婚，并且有一辆车，没有固定住房，然后我们估计判断这个人是否会涉嫌信用欺诈问题。这就是最典型的分类问题，预测的结果为离散值，当预测结果为连续值时，分类算法可以退化为计量经济学中常见的回归模型。分类算法的根本目标是发现新的模式、新的知识，与数据挖掘数据分析的根本目标是一致的。
聚类算法的功能是降维。假如待分析的对象很多，我们需要归归类，划划简，从而提高数据分析的效率，这就用到了聚类的算法。很多智能的搜索引擎，会将返回的结果，根据文本的相似程度进行聚类，相似的结果聚在一起，用户就很容易找到他们需要的内容。聚类方法只能起到降低被分析问题的复杂程度的作用，即降维，一百个对象的分析问题可以转化为十个对象类的分析问题。聚类的目标不是发现知识，而是化简问题，聚类算法并不直接解决数据分析的问题，而最多算是数据预处理的过程。
3.有监督和无监督
分类是有监督的算法，而聚类是无监督的算法。有监督的算法并不是实时的，需要给定一些数据对模型进行训练，有了模型就能预测。新的待估计的对象来了的时候，套进模型，就得到了分类结果。而聚类算法是实时的，换句话说是一次性的，给定统计指标，根据对象与对象之间的相关性，把对象分为若干类。分类算法中，对象所属的类别取决于训练出来的模型，间接地取决于训练集中的数据。而聚类算法中，对象所属的类别，则取决于待分析的其他数据对象。
4.数据处理的顺序不同
分类算法中，待分析的数据是一个一个处理的，分类的过程，就像给数据贴标签的过程，来一个数据，我放到模型里，然后贴个标签。
聚类算法中，待分析的数据同时处理，来一堆数据过来，同时给分成几小堆。
因此，数据分类算法和数据聚类算法的最大区别是时效性问题。在已有数据模型的条件下，数据分类的效率往往比数据聚类的效率要高很多，因为一次只是一个对象被处理，而对于聚类结果来说，每当加入一个新的分析对象，类别结果都有可能发生改变，因此很有必要重新对所有的待分析对象进行计算处理。
5.典型的分类算法与聚类算法
典型的分类算法有：决策树，神经网络，支持向量机模型，Logistic回归分析，以及核估计等等。
聚类的方法有，基于链接关系的聚类算法，基于中心度的聚类算法，基于统计分布的聚类算法以及基于密度的聚类算法等等。
