银晗的学习博客

粒子群算法用在CNN网络中

规律性：长期趋势，季节变动，循环变动，不规则变动叠加模型：时间序列图的波动保持恒定乘积模型：序列的季节波动越来越大三大基本模型：指数平滑模型，自回归模型(AR)，滑动平均模型(MA)，自回归滑动平均模型(ARMA)对序列绘图，进行ADF检验，然后可以进行一阶平稳化，二阶平稳化检验值t大于三个level统计值则是非平稳的。

parallel for 中缺省循环变量为私有作用域的权限大于default(none)或default(shared)的设置权限。

书本定义：为了建立基于规则的分类器，需要提取一组规则来识别数据集的属性和类标号之间的关键联系如何提取？一般采取直接方法，直接从数据中提取分类规则，直接方法把属性空间分为较小的子空间，以便于属于一个子空间的所有记录可以使用一个分类规则进行分类,即一个属性子空间训练一个分类规则(类似于决策树划分之后的子树，然后基于子树再进行划分)RIPPER算法可以笼统的理解为一个三步过程：生长，修剪，优化。

而离群点则是。通常有阈值进行界定距离的远近。在基于密度的离群点检测方法中，最具有代表性的方法是局部离群因子检测方法 (Local Outlier Factor, LOF)。LOF通过计算一个数值score来反映一个样本的异常程度。这个数值的大致意思是：一个样本点周围的样本点所处位置的平均密度比上该样本点所在位置的密度。比值越大于1，则该点所在位置的密度越小于其周围样本所在位置的密度，这个点就越有可能是异常点。

Apriori算法需要多次扫描数据，庞大的I/O次数是很大的瓶颈，FP Tree算法（也称FP Growth算法）采用了一些技巧，无论多少数据，只需要扫描两次数据集，因此提高了算法运行的效率第一眼看不懂也正常，慢慢来往下看…

Apriori算法详细解释 ，完整美国超市数据集的商品挖掘案例，附完整代码！