> 想象你买了一套毛坯房（裸机芯片），里面什么都没有——没有地板、没有水电、没有天然气。现在你想直接搬进去住（运行 CoreMark 程序）。就像拎包入住精装公寓，你什么都不用操心：如果直接按正常方式编译，链接器会尝试调用精装公寓的基础设施，结果当然是崩溃——因为毛坯房里没有这些管道接口。> 入口点错误> 默认启动文件会尝试调用操作系统接口（如 Linux 的 ），但裸机没有操作系统，CPU 上电

从这些复杂的连接关系中提取有价值的信息，而不仅仅是分析孤立的数据点。也就是，图数据挖掘 = 从“关系”中挖“知识”。图数据挖掘也叫做图数据机器学习。

从这些复杂的连接关系中提取有价值的信息，而不仅仅是分析孤立的数据点。也就是，图数据挖掘 = 从“关系”中挖“知识”。图数据挖掘也叫做图数据机器学习。

首先，通过人工定义或学习类别的语义属性（如形状、颜色等），将类别映射到属性空间。然后，模型学习从输入数据到属性向量的映射。最后根据属性匹配来识别新类别。给定一张图片，如何提取区分其中目标类型的特征，即形成目标的表示。

把未知量伸长或者缩短到参考模式的长度。然后使用动态规划方法把被比较的数据扭曲或者弯折，时期特征与模型特征对齐。比如：DTW**隐马尔可夫模型（Hidden Markov Model, HMM）**是一种经典的概率图模型，用于建模含有隐藏状态的时序随机过程。

按时间排列的观测数据的序列。在进行数据挖掘时，必须考虑数据间存在的时间关系。DTW（Dynamic Time Warping，动态时间规整） 是一种用于衡量两个时序序列相似度的算法，特别适用于长度不同、速度不一致或存在时间偏移的时间序列。