一、回归应用广泛二、引出梯度下降算法来求解minL（1）梯度下降厉害的地方在哪里？只要方程可微分，都可以拿来进行处理，来找比较好的参数和方程。梯度的方向是变化率最大的方向。（2）梯度下降法：只有一个参数时总是为了让loss减少。任取一点，求出来该点的导数为负，就增加w；反之减少w。n ： learning rate 学习率 （决定步长）可以看出来步长是变化的。越接近min，导数值越小，步长越小。梯

大数据 n（数据量）和p（特征）都很大。n比较小。半监督学习：在训练时，把测试数据也放进去。先随机给测试数据y值。 训练，得出a。在用a重新标注测试数据。 再拿到新的y，再训练。。。这叫： transtactive learning...

大数据 n（数据量）和p（特征）都很大。n比较小。半监督学习：在训练时，把测试数据也放进去。先随机给测试数据y值。 训练，得出a。在用a重新标注测试数据。 再拿到新的y，再训练。。。这叫： transtactive learning...

一、回归应用广泛二、引出梯度下降算法来求解minL（1）梯度下降厉害的地方在哪里？只要方程可微分，都可以拿来进行处理，来找比较好的参数和方程。梯度的方向是变化率最大的方向。（2）梯度下降法：只有一个参数时总是为了让loss减少。任取一点，求出来该点的导数为负，就增加w；反之减少w。n ： learning rate 学习率 （决定步长）可以看出来步长是变化的。越接近min，导数值越小，步长越小。梯

奇异值分解(Singular Value Decomposition)一、可以将一个矩阵A分解为三个矩阵的乘积一个正交矩阵U(orthogonal matrix)一个对角矩阵S(diagonal matrix)一个正交矩阵V的转置。（1）正交矩阵：方阵，列（行）向量是标准正交向量（正交的单位向量，内积为0）（2）对角矩阵：除主对角线外的值都是0。可以是方阵、长矩阵（3）实对称...

Z-score 标准化适用范围1.数据的最大值和最小值未知2.有超出取值范围的离群数据经过处理的数据符合标准正态分布，即均值为0，标准差为1，其转化函数为：x∗=（x−μ）/σ标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。缺点估算Z-Score需要总体的平均值与方差，但是很难得到，大多数情况下是用样本的均值与标准差替代。对于数据的分布有一定的...

由于很多经济数据呈指数增长，对各数据取对数之后不会改变数据的性质和关系，可以把数据压扁，易缓解/消除异方差问题；对取对数以后的数据进行线性回归，其前面的参数表示的就是百分比变化率(dlnx=dx/x)，△Inx=△x/x，即弹性， 变化率具体查看知乎：https://www.zhihu.com/question/31722222...

stl(x, s.window, s.degree=0, t.window=NULL, t.degree=1, robust=FALSE, na.action=na.fail)s.window————提取季节性时的loess算法 时间窗口的宽度，需要是奇数；s.degree————提取季节性时局部拟合多项式的阶数，需要是0或者1；t.window————提取趋势性时的loess算法 时间窗口...

matlab之findobj的用法findobj每一个图象对象都有一个独一无二的名字，这个名字叫做句柄。句柄是在 MATLAB 中的一个独一无二的整数或实数，用于指定对象的身份。用于创建一个图象对象的任意命令都会自动地返回一个句柄。例如，命令Hnd1 = figure;创建一个新的图象，并返回这个图象的句柄到变量 Hnd1。函数 gcf返回当前图象窗口的句柄函数 gca 则返回...

[stats, n, conf, out]= boxplot.stats(x, coef=1.5, do.conf=TRUE, do.out=TRUE) x：所要分析的数值向量coef：盒子的长度，也就是说上图中盒须的长度需要是几倍的盒长（IQR）do.conf: 是否要输出confdo.out： 是否要输出outstats：返回5个元素的值：盒须最小值，盒最小值，中位数，盒最大值，盒...