第一章
- 除法有两种,左除 \ (代表A* x = B 的解)和右除 /(代表x * A = B 的解)
- && 和 & 的区别: && 算左边即可,建议做逻辑运算的时候都是用&& 或 ||
- 计算机会后非常小的计算误差,当我们在写判断语句的时候,若是和零比较,就会出现难以察觉的错误,通常做法是去定义一个非常小的数,然后与这个数字作比较。
第二章
- 程序设计第一步:流程图 代表你需要执行的步骤
- 文件名和函数名好保持一致
第四章
- fig格式的图片,matlab可以读取其数据
toolbox部分
第一部分
线性规划要标准型
蚁群算法的应用:求最优路径。
老师建议 PSO粒子群 求解连续优化问题
第二部分
- smooth 平滑处理
- 归一化: 常用正态化
- 缺失数据处理:
数据大的话,删除缺失数据
数据小的话,做插值
一元线性回归
- 做拟合
- 模型改进: 利用残差,将异常点去掉,再做回归。(或者我们在最开始就去掉异常点)
总结:线性回归的时候:
- cost function 先写出来,其中包括X. X对应的θ,所以我们的x个数依旧对应着维度, 我们的x依旧可以扩展到多元,比如x1,x2,x1*x2,以及偏差项
- 用固定的函数形状,自己选的结构,我们能把握未来趋势。
问题
- 怎么选取特征值?有什么技巧?
变量相关性 可以通过每个变量与y之间是不是线性相关。 - 样本小的时候怎么做?
方法:交叉验证 留1法
神经网络无法给出置信区间
高斯过程: 可以给出误差带,sigma
SVM 高级版核函数
- 找支持向量(关键点)
- 找核函数 做升维 主要是x特征变换为高维
面对稀疏矩阵:通常使用CS压缩感知方法