Бойся или бейся тебе решать: Б… йся Тебе решать — Е или О

Бойся/Бейся — Глава 1 — Wattpad

                                    
                                          
Самолёт медленно садится. Люди с гулом выходят, каждый звонит родственникам, друзьям, близким. Я же звонить никому не буду. Я хочу сделать сюрприз своему братцу. Хочу обрадовать его.
                          
-Такси! 
                          
Я прекрасно знала его адрес, он не раз звал меня к себе. Но постоянно я отнекивалась, говорила, что некогда. Врала.
                          
Что изменилось сейчас? Я поняла, что семья – это главное. Поняла и осознала, что у меня есть только брат. А у него есть я.
                          
Подъехала к огромному дому я быстро. Всё за воротами, этому я даже не удивилась. Как говорят, у моего брата свой бизнес.
   А ещё своя банда. В это трудно поверить, конечно. Как из моего умного ботаника брата смог вырасти главарь крупной банды? 

                          
Но, по неприятному охраннику у дверей серого забора – это так.
                          
-Говорю же, я сестра его.
                          
-Я не могу Вас пропустить.
                          
-Что?!
                          
-Вас нет в списке гостей на сегодня. 
                          
 -Круто! Но я...

                          
-Девушка я не повторяю – нет! Вы не пройдёте! – он крикнул на меня.
                          
-Ты охренел?! – я не могла сдерживать себя. 
                          
Отец занимался со мной всеми видами единоборства, которые можно представить. В то время, когда все бегали по свиданкам и ночевали у друг друга, я занималась в спорт-зале с отцом. Прыгала, бегала, приседала. Вообщем с отцом видимо надо было остаться Майклу, а мне уехать с матерью. Но мы приняли решения, что брат поддержит мать, а я отца.
 
                          
Сейчас я уже шла в дом, а сзади кряхтел охранник. Я зашла в холл и тут с разных сторон на меня нацелено оружие.
                          
-Ладно, мальчики. – я подняла руки в знак сдачи.
                          
-Отставить! – крикнул им кто-то с лестницы. – Это сестра Майкла.
                          
Я подняла голову, чтобы посмотреть на говорящего, но он уже поднимался и я увидела только спину.
   Подкаченную, классную спину. 

                          
-Пошли, я провожу до кабинета твоего брата. – крикнул незнакомец не повернувшись.
                          
-Майкл, к тебе Селена. – стоп, я же не говорила своё имя.
                          
-Сестрёнка! – я уже была поднята на руки братом.
                          
 -Задушишь же! – смеясь, кричала я.

                          
Брат поставил меня на пол и я смогла его увидеть. Спустя 10 лет. Спустя грёбанных 10 лет. Я сейчас зареву.
                                  

8 ошибок, из-за которых ты проиграешь в соревновательном Data Science / Хабр

Привет, чемпион!

Если ты читаешь этот пост, значит, тебе стало интересно, не допускаешь ли этих ошибок ты?! Почти уверен, что ты допускал эти ошибки хотя бы раз в жизни. Мы не застрахованы от совершения ошибок, такова наша человеческая натура — ошибаться для нас естественно. Однако, я постараюсь уберечь тебя от тех ошибок, которые совершал сам или замечал у других.

Так вышло, что за время участия в чемпионатах по соревновательному анализу данных я достаточно часто бывал в призовых местах. Однако, бывали случаи, когда я лишался призовых по глупости или неосторожности. Рассказываю по порядку.

Ошибка #1 — AUC и вероятности

Ошибка новичков, при допущении которой, потом сложно будет понять, почему результаты твоей модели хуже, чем результаты лидеров. Новички без опыта в ML не видят эту ошибку даже в лоб.

Допустим, ты участвуешь в соревновании по бинарной классификации. Пусть в этом соревновании результаты прогнозов участников оцениваются по метрике AUC. Ты сделал прогноз, получил ответ. Однако в результате ты видишь, что твой скор сильно ниже, чем скор лидеров, хотя подходы и данные у вас одинаковые.

Значит, проблема где-то ещё. Например, в формате ответа. Ниже представлен код с ошибкой.

model = best_model()  # Инициализируем модель
model.fit(train, y) # Обучаем модель на тренировочных данных
sample['target'] = model.predict(test)[0;:] # Делаем прогноз и записываем ответ
sample.to_csv('submission.csv') # Сохраняем ответ

Где тут ошибка? В целом, смертельного тут ничего нет. Сам код вполне адекватный. Роковой ошибкой здесь является использование функции

predict вместо predict_proba. Вон эта функция, предательски смотрит на тебя с 3-й строчки кода.

Запомни: Метрика AUC почти всегда показывает хуже значение, если в неё подавать уже готовые лэйблы классов вместо вероятностей этих классов.

Ошибка #2 — Аккаунты и дополнительные попытки

Странная ошибка, на которую попадаются все «умники», которые хотят получить дополнительное преимущество. Эта ошибка однажды стоила мне потери первой бронзовой медали на Kaggle спустя неделю объявления результатов.

Суть проста. Ты регистрируешь второй профиль, с которого тестируешь дополнительные гипотезы в надежде увеличить точность решения. Тебе это даже помогает. Однако система на Kaggle достаточно успешно отслеживает такие лазейки хоть и не сразу оповещается тебя об этом. Незнание, что Kaggle запросто снимает с лидерборда после объявления финальных результатов, губит медали начинающих каглеров =). Если уж так делаешь, то подходи к этому вопросу с головой!

Запомни: Не засылай абсолютно два одинаковых решения с разных аккаунтов, которые не в одной команде. Иначе ты сильно рискуешь, что все, кто использует это решение будут сняты за нарушение правил. Проверяй гипотезы вдали от своего основного кода.

Ошибка #3 — Диверсификация решений

Ошибка, которая кажется глупой. Однако глупой я её начал считать только постфактум. Пришлось потерять из-за этой ошибки медаль на Kaggle, чтобы задуматься над своим решением основательно.

Ситуация была следующая. Как известно, на многих соревновательных платформах типа Kaggle необходимо выбрать несколько (обычно два) финальных сабмита. По сабмитам тебя будет судить система на приватных данных. В последний день соревнования у меня был следующий выбор:

• Модель № 1 со скором 91%
• Почти та же модель № 1, но со скором 90 %
• Совсем другая модель № 2 со скором 89%

Какие две модели ты бы выбрал? Логично ли выбрать две лучших модели? Однако, с точки зрения минимизации рисков — оптимально диверсифицировать подходы и выбрать 1 и 3 модели. Суть в том, что, если первая модель будет неудачной, то и вторая модель той же природы также окажется плохой, а вот 3-я модель, в силу иной природы, может стать выигрышной. Именно так и произошло у меня. Я не рискнул выбрать второй моделью — робастную языковую модель в соревновании JigSaw 2022 на Kaggle. Хотя эта модель могла поднять меня на 400 мест вверх.

Модель, которая не была выбрана для оценки на приватных данных — оказалась в медалях, а выбранные модели упали вниз по лидерборду

Запомни: диверсифицируй риски и не доверяй полностью скору на публичном борде!

Ошибка #4 — Остановка или «Ой, а ведь мы же могли выиграть!»

Именно из-за этой ошибки люди часто говорят эту фразу! Эта ошибка выкована из сплава лени и надежды на случайный фарт. Именно по этой ошибке я суммарно за последний год потерял около 300 тысяч призовых. Хотя вполне себе их заслужил.

Первый мой случай был в хакатоне от Россельхозбанка по классификации временных рядов. Всё свелось к тому, что за 10 минут до конца чемпионата, нам удалось выбить скор на топ-4. Призовые, как известно, начинаются только с 3-го места. Тогда я не верил в силу шафла и магии стабильных решений. Как итог, мы не стали прикреплять решение для сабмита на 4-е место.

Ну вот не дураки ли!

Как ты думаешь, что произошло на следующее утром с лидербордом?! Проснувшись утром, мы увидели себя на втором месте общего рейтинга. Наше решение оказалось более точным на приватной выборке. Однако, далее, код решения проверялся на воспроизводимость. В нашем же случае код решения прикреплён не был, был отправлен только csv-файл с ответами. Сколько мы не просили потом организаторов прикрепить само решение, после дедлайна нам уже этого сделать не дали. Слава богу, предыдущей версии решения хватило на топ-5. Получили фирменный мерч, уже неплохо.

Скажу, что, получив такой опыт, впредь я всегда довожу решение до конца. Так у меня появились случаи, когда я поднимал скор за считаные часы до конца соревнований из непризовых мест — в топ-3. Полезная привычка!

Запомни: бейся до последнего. Почти всегда происходят shake-up на лидерборде. Обуздай его! А ещё ведь очень часто снимают участников с лидерборда. Непризовое место на паблике сегодня не означает непризовое место на привате завтра! Верь в своё решение! В противном случае ты хотя бы получишь опыт.

Ошибка #5 — Невоспроизводимость результата против новых гипотез.

Следующая ошибка, которую мы разберём, завязана на фиксации случайности. Набив собственных шишек, могу сказать, что фиксировать seed’ы и random_state’ы надо, если ты действительно планируешь побороться за призовые места!

Почему? В чём смысл? Это хоть на что-то влияет? Да! Смотри картинку ниже!

Точность достаточно сильно варьируется в зависимости от выбранного random seed

А теперь представь, что ты решил проверить новую фичу на предмет того, помогает ли она увеличить точность модели или нет. Ты добавляешь новую фичу к имеющимся. Вдруг видишь, что точность модели увеличивается. Вопрос: точность увеличилась из-за новой фичи или из-за случайности? — Ответ: Неизвестно =). Хочешь однозначно проверять гипотезы — фиксируй случайность, иначе твоя модель раз от раза будет показывать тебе разные результаты. Например, в коде ниже фиксируются все сиды при работе с pytorch и numpy:

def seed_everything(seed = 1234):
     random.seed(seed)
     os.environ['PYTHONHASHSEED'] = str(seed)
     np.random.seed(seed)     torch.manual_seed(seed)
     torch.cuda.manual_seed(seed)
     torch.backends.cudnn.deterministic = True
seed_everything()
# Обрати внимание, ML модели и методы тоже имеют свой random_state/seed !

Да, иногда полностью случайность зафиксировать нельзя. Окей, тогда просто усредни результат по сидам и будет тебе счастье!

Запомни: Фиксировать сиды надо хотя бы потому, что если ты попадёшь в топ лидеров, тебе важно будет раз от раза уметь воспроизводить свой результат! Особенно актуально, если соревнование требует не просто csv-файла с ответом, а ещё и код решения с воспроизводимым решением («code competition»).

Ошибка #6 — Считаем признаки снова и снова!

Эта ошибка уже не такая смертельная, но всё ещё неприятная. Если весь твой ML пайплайн отрабатывает не больше 10 минут, то не стоит беспокоиться. А вот если генерация признаков и обучение модели занимает больше часа? А если больше 3 часов? Как часто ты сможешь запускать такую модель, чтобы тестировать гипотезы? Всё усложняется ещё тем, что, если произойдёт сбой и твой код упадёт, то, скорее всего, придётся считать всё заново. Достаточно ли у тебя времени на такие случаи? — Думаю, что нет. Видел примеры, как новички часами тратят время зря, вместо того, чтобы сохранять промежуточные результаты и заниматься вещами поинтереснее.

Вот тебе простой пример кода, отражающий эту best practice.

generate_features = True  # Флаг, который ты легко можно переключать
if generate_features: # При первом проходе готовим данные
     df = make_features(df) # Подготавливаем признаки для трейна
     df. to_csv('train_with_features.csv', index=False) # Сохраняем
     sub = make_features(sub) # Подготавливаем признаки для сабмита
     sub.to_csv('test_with_features.csv', index=False) # Сохраняем
else: # Если признаки готовы, то теперь экономим наше бесценное время
     df = pd.read_csv('train_with_features.csv')
     sub = pd.read_csv('test_with_features.csv')

Как видишь, тут данные подготавливаются только один раз (make_features), и мы больше не тратим на это время. Дальше при необходимости подгружаем уже готовые данные.

Теперь тебе не придётся пересчитывать каждый раз новые признаки. Можешь сразу переходить к обучению модели. По моему опыту удаётся экономить так десятки часов времени при работе с крупными объёмами данных. Логику этого кода можно всячески улучшать, но главное — помни, что экономия времени даст тебе возможность быть быстрее твоих оппонентов. Ничто не мешает тебе дампить не только результаты подготовки признаков, но и промежуточные результаты обучения моделей. Привет любителям Google Colab, у которых постоянно тухнет сессия =).

Запомни: не считай дважды то, что можно посчитать один раз (Конфуция).

Ошибка #7 — Валидация как бермудский треугольник для твоих данных

Казалось бы, при обучении ML моделей важную роль играет объём данных, но я постоянно вижу, как новички после онлайн-курсов по Data Science допускают эту глупую ошибку и теряют кусок данных на ровном месте. И ладно если речь идёт про учебный проект. А если так делать на чемпионатах или на работе?! — К успеху это не приведёт. Посмотрим на код с этой проблемой.

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
# X, y это данные для обучения
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
model = LogisticRegression(random_state = 42)
model.fit(X_train, y_train)
print('Скор при валидации'.format(model.score(X_test, y_test))
sample['target'] = model. predict(sub)[0;:] # sub это данные для прогноза
sample.to_csv('submission.csv') # Сохраняем результат

Что тут не так? На первый взгляд, всё верно! Тут есть разбиение на тренировочную и тестовую выборки — хорошо!!! Модель даже оценивается на тестовой выборке — отлично! Более того, везде даже зафиксированы random_state’ы — здорово!!!

А вот не смущает ли тебя тот факт, что в этом коде модель не увидела 33% обучающих данных? Ты заметил, куда эти данные делись? Данные, отложенные для валидации, в итоге не были приглашены на танец fit’а. Эти данные просто-напросто остались грустить в сторонке. Вот как стоит поправить этот код, чтобы модель всё же увидела все данные при обучении.

# X, y это данные для обучения
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
model = LogisticRegression(random_state = 42)
model.fit(X_train, y_train)
print('Скор при валидации'.format(model. score(X_test, y_test))
model.fit(X, y)  # переобучаем модель на всех данных!!!!
sample['target'] = model.predict(sub) # sub это данные для прогноза
sample.to_csv('submission.csv') # Сохраняем результат

Запомни: обучай модель на всех данных, которые у тебя есть. Частой практикой является усреднение по нескольким фолдам.

Ошибка #8 — Чё там по типам в Pandas?

Эта ошибка одна из самых коварных. Если есть шанс в неё попасть, то я почти всегда в неё попадаю. Спасает только внимательное изучение входных данных. Если про это не знать, вы можете на самом старте превратить часть данных в мусор. Не в мою смену!

Пример с ошибкой

И снова тут не возникает сомнений в коде. Вроде бы Pandas всё корректно подгрузил в память. Однако, нам так кажется только потому, что мы не знаем, как выглядят данные на самом деле. А вот как они выглядят в реальности:

Если явно указать тип столбца, то вдруг появляются нули в значениях. По ходу работы с табличными данными ты рано или поздно заметишь, что id-ники и категориальные переменные — это не редко строковые типы (str), которые начинаются с 0. Поэтому при конвертации в численный формат (int), этот ноль теряется. Надо ли говорить, к каким проблемам это может привести =)? Как минимум эта таблица будет плохо merge’ться с другими таблицами. Такого рода ошибки настолько популярные, что на моей памяти есть примеры победителей хакатона, кто выиграл несмотря на косяк с импортом. Видимо тогда на это не обратили внимание остальные участники тоже, и это уравняло шансы.

Запомни: Всегда задумывайся о том, какие типы данных ты импортируешь. Не доверяй это дело полностью Pandas’у. Есть еще много других тонкостей, которые полезно знать про Pandas, но это уже совсем другая история.

▍ Заключение

Как видишь, ошибки бывают разные. Существует миллион способов ошибиться и проиграть чемпионат или вообще не выбраться в топ. Тем не менее не бойся делать попытки и ошибаться. Важно совершать новые ошибки и не допускать старых! Тогда ты будешь идти вперёд как бронебойный поезд или как сын маминой подруги!

Надеюсь, тебе были полезны примеры из моего опыта. А если тебе интересно узнать ещё больше про соревновательный анализ данных и про трюки из этого направления, то подписывайся на мой канал в телеграм. Буду рад поделиться с тобой новыми трюками.

10 способов побороть свои страхи

Что бы вас ни пугало, вот 10 способов, которые помогут вам справиться с повседневными страхами и тревогами.

Эти советы предназначены для людей, которые борются с повседневными страхами. Если у вас диагностировано состояние, связанное с тревогой, см. нашу страницу о генерализованном тревожном расстройстве.

1. Возьмите тайм-аут

Невозможно ясно мыслить, когда вас переполняет страх или тревога. Первое, что нужно сделать, это взять тайм-аут, чтобы вы могли физически успокоиться.

Отвлекитесь на 15 минут от забот, прогулявшись по кварталу, заварив чашку чая или приняв ванну.

2. Дышите сквозь панику

Если у вас начинает учащаться сердцебиение или потеть ладони, лучше не бороться с этим.

Оставайтесь на месте и просто почувствуйте панику, не пытаясь отвлечься. Положите ладонь на живот и дышите медленно и глубоко.

Цель состоит в том, чтобы помочь уму привыкнуть справляться с паникой, которая избавляет от страха перед страхом.

Попробуйте эту дыхательную технику от стресса

3. Взгляните в лицо своим страхам

Избегание страхов только усугубляет их. Каким бы ни был ваш страх, если вы столкнетесь с ним лицом к лицу, он должен начать исчезать. Например, если однажды вы запаниковали, садясь в лифт, лучше вернуться в лифт на следующий день.

4. Представьте себе самое худшее

Попробуйте представить самое худшее, что может случиться – возможно, это паника и сердечный приступ. Затем попытайтесь вообразить, что у вас случился сердечный приступ. Это просто невозможно. Страх убежит, чем больше вы его преследуете.

5. Посмотрите на улики

Иногда помогает бросить вызов страшным мыслям. Например, если вы боитесь застрять в лифте и задохнуться, спросите себя, слышали ли вы когда-нибудь, чтобы с кем-то такое случалось. Спросите себя, что бы вы сказали другу, у которого был такой же страх.

6. Не пытайтесь быть идеальным

Жизнь полна стрессов, но многие из нас считают, что наша жизнь должна быть идеальной. Плохие дни и неудачи будут всегда, и важно помнить, что жизнь беспорядочна.

7. Визуализируйте счастливое место

Найдите минутку, чтобы закрыть глаза и представить себе безопасное и спокойное место. Это может быть фотография, на которой вы гуляете по прекрасному пляжу, или вы уютно устроились в постели с кошкой рядом с вами, или счастливое воспоминание из детства. Позвольте положительным чувствам успокоить вас, пока вы не почувствуете себя более расслабленным.

8. Расскажите об этом

Разделение страхов избавляет от большей части их пугающих качеств. Если вы не можете поговорить с партнером, другом или членом семьи, позвоните в службу поддержки, например, в Breathing Space по телефону 0800 83 85 87 или Samaritans по телефону 116 123.

Вы также можете попробовать когнитивно-поведенческую терапию по телефону в такой службе, как NHS Living Life. Если вы хотите узнать больше об этой услуге на основе предварительной записи, вы можете посетить веб-сайт Living Life или позвонить по телефону 0800 328 9655 (с понедельника по пятницу, с 13:00 до 21:00).​

Если ваши страхи не исчезают, вы можете обратиться за помощью к своему лечащему врачу. Врачи общей практики могут направлять людей на консультацию, психотерапию или помощь через онлайн-службу психического здоровья, такую ​​как «Жить полной жизнью».

9. Вернитесь к основам

Многие люди прибегают к алкоголю или наркотикам, чтобы избавиться от беспокойства, но это только усугубит ситуацию. Простые повседневные вещи, такие как хороший ночной сон, полезная еда и прогулка, часто являются лучшим средством от беспокойства.

10. Вознаградите себя

Наконец, побалуйте себя. Например, когда вы сделали звонок, которого боялись, закрепите свой успех, побаловав себя массажем, прогулкой за городом, обедом в ресторане, книгой, DVD или любым небольшим подарком, который сделает вас счастливым.

Борьба со своими страхами — Канал лучшего здоровья

Страх – это естественная человеческая эмоция, которую каждый испытывает в течение жизни. Самое главное, как вы боретесь со своими страхами и позволяете ли вы им влиять на вашу жизнь.

Вы не можете называть свое чувство страхом. Вы можете назвать это стрессом, беспокойством или паникой, но часто, когда мы используем эти слова, мы говорим об одной и той же эмоции.

Когда вы чувствуете страх, вы можете испытывать три типа симптомов:

1. Бесполезные мысли, такие как мысль о том, что все в комнате критически относятся к вам или что произойдет что-то плохое.
2. Физические симптомы, такие как учащенное сердцебиение, учащенное дыхание, потливость и повышенное кровяное давление (реакция вашего организма «бей или беги»).
3. Изменения в вашем поведении, начиная от простых вещей, таких как избегание веселых занятий, до более серьезных проблем, таких как боязнь выходить из дома.

Хорошая новость заключается в том, что существует множество способов справиться со своими страхами. И много мест, где можно найти помощь. Давайте начнем с изучения различий между здоровыми и нездоровыми страхами.

Разница между здоровыми и нездоровыми страхами

Страх запрограммирован в вашей нервной системе и действует инстинктивно с самого детства. Это дает вам инстинкты выживания, которые вам нужны, чтобы обезопасить себя, когда вы чувствуете, что находитесь в опасности.

Некоторые страхи здоровы. Если вы видите ядовитую змею на своем заднем дворе, и ваш страх побуждает вас бежать обратно в дом и закрыть дверь, это здоровый страх. Чувство страха естественно и помогает вам оставаться в безопасности.

Но другие страхи нездоровы и не нужны. Иногда ваш страх заставляет вас быть более осторожным, чем вам действительно нужно. Например, страх знакомства с новыми людьми. Это может пугать, но знакомство с новыми людьми не представляет реальной угрозы для вашей безопасности. Этот страх нездоров, потому что он мешает вам делать то, что в противном случае могло бы вам понравиться.

Страх, тревога или фобия?

Чувства страха, беспокойства или стресса могут расстраивать, но обычно они проходят, когда устраняется причина стресса. Здесь вам не понадобится слишком много помощи в борьбе со своими страхами, потому что они не длятся долго.

Беспокойство — более серьезное состояние. В ситуации высокого давления обычно возникает тревога; например, перед тем, как произнести речь или сдать экзамен. Вы также можете испытывать тревогу после стрессового события, такого как несчастный случай.

Тревожное расстройство отличается тем, что эти тревожные чувства присутствуют даже тогда, когда нет очевидной причины.

Если вы испытываете сильное или частое чувство тревоги, или если оно влияет на вашу повседневную жизнь, вы можете поговорить со своим врачом общей практики. Возможно, у вас тревожное расстройство. Многие люди годами страдают от беспокойства, прежде чем обратиться за помощью, но ваш лечащий врач может обсудить с вами различные варианты лечения, если вы испытываете эти чувства в течение месяца или более.

Фобия — это иррациональный страх перед определенным объектом или ситуацией. Человек с фобией может испытывать сильную тревогу, когда сталкивается с этим конкретным объектом или ситуацией, а иногда просто думает об этом.

К распространенным фобиям относятся:

• полеты
• выход из привычной среды
• замкнутые пространства
• пауки и другие животные
• инъекции.

Управление страхами, тревогой и фобиями

Есть несколько способов побороть свои страхи. Если у вас легкие симптомы, ваш врач может предложить вам сначала попробовать изменить свой образ жизни. Простые изменения, такие как регулярные физические упражнения, могут снизить уровень стресса. То же самое можно сказать о здоровом питании, достаточном количестве сна и уменьшении или отказе от стимуляторов, таких как кофеин и алкоголь.

Если ваши симптомы более серьезны, ваш врач общей практики может порекомендовать обратиться к терапевту для лечения, такого как когнитивно-поведенческая терапия (КПТ). КПТ — это тип психологической терапии, который может помочь вам изменить бесполезные мысли и поведение, которые способствуют вашему беспокойству.

когнитивно-поведенческая терапия включает в себя работу с терапевтом, чтобы изучить ваши модели мышления (познание) и действия (поведение), которые делают вас более склонными к проблемам с тревогой или мешают вам улучшаться, когда вы чувствуете тревогу.

Когда вы распознаете эти паттерны, вы сможете внести изменения, чтобы заменить бесполезные паттерны новыми, которые помогут уменьшить вашу тревогу и помогут вам справиться с ситуацией. КПТ является распространенным методом лечения тревожных расстройств.

Стратегии, которые вы можете использовать со своим терапевтом в рамках когнитивно-поведенческой терапии, включают:

• решение проблем
• экспозиционная терапия (обучение борьбе со своим страхом перед чем-либо путем понимания этого и постепенного воздействия на него в безопасной среде)
• когнитивная реструктуризация (обучение распознавать свои негативные мысли, оспаривать их и думать о более полезные способы реагирования на ситуацию)
• осознанность (сосредоточение внимания на настоящем моменте – признание и принятие своих мыслей, чувств и физических ощущений своего тела, не называя их хорошими или плохими)
• релаксация.

Электронная терапия (также известная как онлайн-терапия или компьютерная психологическая терапия) может быть эффективным вариантом для людей с легкой или умеренной тревожностью. Большинство электронных методов лечения следуют тем же принципам, что и когнитивно-поведенческая терапия или поведенческая терапия. Они учат вас, как выявлять и изменять модели мышления и поведения, которые способствуют беспокойству или мешают вам преодолеть тревогу.

Вы можете работать с программой электронной терапии самостоятельно, хотя многие из них предоставляют некоторую поддержку – по телефону, электронной почте, текстовым или мгновенным сообщениям. Электронная терапия легкодоступна и может проводиться из дома. И не обязательно сначала идти к врачу.

Вы также можете использовать экспозиционную терапию, при которой вы учитесь бороться со страхом, давая себе возможность узнать и постепенно привыкнуть к тому, чего вы боитесь.

Некоторые люди считают полезным разработать лестницу страха: определите свой страх, поставьте цель, а затем разработайте пошаговые шаги для ее достижения.