算法列表标准正态变换 MSC多元散射校正 SNVSavitzky-Golay平滑滤波函数 SG滑动平均滤波 move_avg一阶差分 D1二阶差分 D2小波变换 wave均值中心化 mean_centralization标准化 standardlize最大最小归一化 max_min_normalization矢量归一化 vector_normalization感谢 @panxy0826的开源，本T

算法列表标准正态变换 MSC多元散射校正 SNVSavitzky-Golay平滑滤波函数 SG滑动平均滤波 move_avg一阶差分 D1二阶差分 D2小波变换 wave均值中心化 mean_centralization标准化 standardlize最大最小归一化 max_min_normalization矢量归一化 vector_normalization感谢 @panxy0826的开源，本T

文章目录系统要求conda 安装环境配置写在前面 ： 套路总结 节省时间Linux64 + conda 换64位系统，然后安装 Miniforge由于机器学习建模主要依赖CPU核心算力且对内存要求不高的特点，（某在白嫖华为云的时候翻车 租到了鲲鹏云arm架构的服务器，然后发现树莓派也能用才写的）树莓派4B完全可以胜任简单学习建模需要。华为：鲲鹏通用计算增强型CPU:2核 内存:4G树莓派4B:2G

算法简介竞争性自适应重加权采样法（competitive adapative reweighted sampling， CARS）是一种结合蒙特卡洛采样与PLS模型回归系数的特征变量选择方法，模仿达尔文理论中的 ”适者生存“ 的原则（Li et al., 2009）。CARS 算法中，每次通过自适应加权采样（adapative reweighted sampling， ARS）保留PLS模型中 回