weixin_48888528的博客

时序问题本质都是回归问题，只是回归的方式（线性回归、树模型、深度学习等）有一定的区别。

为了消除数据特征之间的量纲影响，我们需要对特征进行归一化处理，使得不同指标之间具有可比性；

DBSCAN算法（Density-Based Spatial Clustering of Applications with Noise）的输入和输出如下，对于无法形成聚类簇的孤立点，即为异常点（噪声点）。如果对于参数Eps和MinPts，所选取的数据对象点p为核心点，则找出所有从p密度可达的数据对象点，形成一个簇；IQR 为四分位数间距，是上四分位数QU与下四分位数QL的差值，包含了全部观察值的一半；如果选取的数据对象点 p 是边缘点，选取另一个数据对象点；从数据集中任意选取一个数据对象点p；

One-Hot编码通常用于处理类别间不具有大小关系的特征，是一种常见的将分类数据转换成数值型数据的方法。它将每个类别映射为一个唯一的数值，并且将该数值表示为该类别所在维度为1，其他维度均为0的向量。

质心 ：簇中所有data的均值为质心k：簇的个数

1 主成分分析概述PC：找到的每个新特征向量，降低特征个数，降维找出数据中最主要的，用最主要的代替原始数据。非监督的降维方法信息衡量指标： 样本方差，方差越大，特征所带信息量越多。2 算法流程输入：n维样本集D=(x(1),x(2),…,x(m))，要降维到的维数n’.输出：降维后的样本集D′1 对所有样本进行中心化（样本-均值）2 计算协方差矩阵XXT3 对矩阵特征值分解4 取出n个特征值对应的特征向量(w1,w2,…,wn′)，将所有向量标准化后，组成特征向量矩阵W5矩阵分解：

交叉验证**目的：**交叉重复的使用数据集分为训练集和测试集，这次用于训练集，下次可能用于测试集。一般用在数据量不是很充条件下，评估模型好坏。如果样本大于一万条的话，我们一般随机的把数据分成三份，一份为训练集（Training Set），一份为验证集（Validation Set），最后一份为测试集（Test Set）。用训练集来训练模型，用验证集来评估模型预测的好坏和选择模型及其对应的参数。把最终得到的模型再用于测试集，最终决定使用哪个模型以及对应参数。简单：30%测试集，70%训练集（2）s折交叉

机器学习调参&网格搜索