四周都是“气氛组”

海尔兄弟正式合体了。

　　12 月 23 日，海尔智家正式登陆香港联交所上市，同时其私有化海尔电器方案也正式生效——海尔电器从港交所退市。两家公司将变成一家公司，实现智家业务板块的整体上市。上市后海尔智家将成为第一家在“A+D+H”三地上市的中国企业。

　　上市首日，海尔智家开盘跌 3.333%，报 23.2 港元/股，该股发行价为 24 港元/股。

　　合体之前，海尔智家与海尔电器分别包括不同的业务。海尔电器主要涉及洗衣机、热水器制造以及物流业务；海尔智家布局版图主要包括冰箱、空调、厨电等产品制造以及海外家电产业。两个公司独立运营且业务划分不明确，容易产生复杂内部交易、管理职能重叠、产业链运营效率较低等问题。“合体”成为必然选择。

　　事实上，海尔智家拟私有化海尔电器已历经近一年时间。

　　2019 年 12 月 16 日双方发布公告称，海尔智家正在初步探讨海尔电器私有化的方案。

　　今年 7 月 31 日，海尔电器发布公告，正式确认了私有化一事。

　　12 月下旬，海尔智家以协议安排方式私有化海尔电器于获得百慕大最高法院批准，于 12 月 21 日生效，海尔智家拟私有化海尔电器正式落地。

　　在 7 月份的私有化消息落地后，海尔电器与海尔智家两家公司股价就先后奔向涨停，市场对合体所能产生的效果显然抱有很大期待。

　　相比较其竞争对手“美的”和“格力”的大步向前，海尔智家近几年在营收增长上的乏力格外刺眼，而进入到 2020 年上半年，海尔智家营收同比录得负增长。

　　招股书显示，海尔智家 2020 年上半年取得营业收入 957.2 亿元人民币，同比下降 1.6%。2017-2019 年，尽管公司营业收入均取得了同比增长，但整体增速依然较低，其中 2019 及 2018 年营收同比增速仅为 11.5% 和 15.2%。

　　海尔依然是家电行业的头部，但却不复当年行业“第一”的辉煌。一边是资本动作如火如荼，另一边，这家家喻户晓的国民品牌却在经营与业绩层面遭遇重重挑战。

　　如今合体已经完成，海尔兄弟能再现辉煌吗？

　　自身尴尬处境

　　海尔智家是海尔集团旗下上市公司，1993 年、2018 年分别在上海证券交易所上市和法兰克福交易所上市。
 

泡泡玛特上市了，市值过千亿。

　　很多人都说，看不明白。凭借着一个个成本价不到 10 元的玩具，泡泡玛特为什么能在过去三年，取得毛利率均超过 55%、营收增幅超过 220%、市值过千亿的成绩？

　　年轻人群体、IP 影响力、复购、盈利能力，每一个要素都能在当下的市场中找到可以对标的、比泡泡玛特做得更好的公司，但神奇的是，泡泡玛特站在这几个圈的交集里。

　　这些特质被打包体现在一个个小小的盲盒身上，显示出了惊人的爆发力。相比炒鞋、炒包的高门槛，69 元一个的盲盒，给了用户及时又经济的满足感。如今，“再买一个盲盒就收手”，成为继“马上到”、“今天一定不熬夜”后的当代社会第三大经典 flag。

　　但仅仅基于收集癖和惊喜感，泡泡玛特是做不成千亿生意的，它的成功离不开一群人的推波助澜——炒货党。房产最热的时候，有他们；潮鞋、中古包最火的时候，有他们；现在盲盒火了，背后站的也是他们。

　　从盲盒产业链下游出现的千岛（原潮玩族）、超级玩童、着魔、盲盒星球、蛋趣、元气扭蛋、欧啦盲盒等以盲盒二手交易切入的 APP 们，就可以窥见市场之大。这些 APP 大多是近两年才成立，多为企业内部孵化的产品，并养活了一大批炒货党。
 

决策树表明网上值机服务是商务旅行中乘客满意度的重要因素，乘客在能简单高效地在网上办理登机手续时更可能感到满意。另外，舱内 wifi 的信号质量也十分重要。

　　决策树由于具有许多优点而被广泛用于分类任务：

• 它的推理过程与人类相似，易于理解和解释；

• 它能处理数值数据和分类数据；

• 它通过分层分解能更充分地利用变量。

　　大多数用于推导决策树的算法都使用自上而下的递归划分“贪心”策略。 

　　源集（source set）代表了树的根节点。源集是根据特定规则划分为各个子集（子节点）的。在每次划分出的子集上重复该划分过程，直到某个节点下的子集中的目标变量的值全部相同，或者划分过程不再使预测结果的值增加。

　　用于在节点和划分中确定生成测试的最佳方法的量化指标是因算法而异的。最常见的指标是信息量（或熵）和基尼杂质量。它们度量的是杂质度，当节点的所有样本属于同一类别时，这类指标的值为0；当节点的样本的类别呈均一分布（即，该节点取到某一类别的概率为常数）时，这类指标的值取到最大值。更多相关信息参见本文。

　　但是，此类指标有两个主要缺点：

　　1. 可能取到次优解；

　　2. 可能生成过于复杂的决策树，以至于在训练数据中泛化效果不好，导致过拟合。

　　目前已有几种方法可用于克服这些问题：

• 剪枝：首先，构建一颗完整的决策树，即每片叶子中的所有实例都属于同一类。然后删除“不重要”的节点或子树，以减小树的大小。

• 组合树：构建不同的树，并通过特定规则（一般是投票计数）选择最终的分类结果。值得注意的是，这会导致决策树的可解释性降低。

　　因此，有必要探索生成树模型的其它方法。最近，进化算法（Evolutionary Algorithms, EA）获得了极大的关注。进化算法在所有可能的解法中进行强大的全局搜索，而不仅仅是本地搜索。结果，与贪心策略相比，进化算法更可能把属性交互处理得更好。

　　进化算法的具体工作方式见下。  

　　2. 怎样用进化算法构造决策树？

　　进化算法是搜索启发式方法，其机理源自自然中的生物进化过程。

　　在这个范式中，群体中的每个“个体”代表给定问题的一种候选解法。每个个体的适合度代表这种解法的质量。这样，随机初始化的第一个群体会朝着搜索空间中更好的区域进化。在每一代中，选择过程使得适合度较高（原文为“适合度较低”，疑有误）的个体具有较高的繁殖概率。

　　此外，还会对群体进行特定的由遗传学启发的操作，例如重组，两个个体的信息在混合后才会传给他们的后代；以及突变，对个体进行微小的随机改变。对这一过程进行迭代，直到达到某一终止条件。然后选择最适个体为答案。

（编辑：威海站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!