分类目录归档：学习
谱聚类（spectral clustering）：一种基于图的聚类算法
前置知识：图论基础概念、图论基础#3.1 理解拉普拉斯矩阵
核心思想：将数据转化为图的形式，距离近的数据间对应的边权重高，距离远的数据间对应的边权重低。之后通过切图的方式，使得不同子图间的边权值和尽可能低，子图内部的边权值和尽可能高，从而达到聚类的目的
核心思想：把每个样本看作一个节点，然后构建任意两点$(x_i,x_j)$间权重边$w_{ij}$
方法1
正则表达式（Regular Expression，简写为regex、或RE）是一种描述句法规则的字符串，常用来匹配符合某个模式（pattern）的文本，以实现针对特定文本的检索（search，findall）、替换（replace）等目的。
常见应用：文本/文件查找、数据/网页清洗、非格式化数据转格式化
在线测试：https://www.mklab.cn/utils/regex
图论起源：柯尼斯堡七桥问题
图 (graph) 常用$G=(V,E)$表示，其中$V$表示顶点/节点的集合，$E$表示边的集合
相邻的 (adjacent)/关联的 (incident)
顶点的度 (degree)：与该顶点关联的边的条数。
在最优化问题的求解过程中常利用到函数梯度及其高阶信息
牛顿法（Newton's method）又称为牛顿-拉弗森方法（Newton-Raphson method）
牛顿法借助泰勒级数的低阶展开，寻找方程$f(x)=0$的根（因此也被称为切线法）
牛顿法计算步骤：
SHAP (SHapley Additive explanation)是一种解释任何机器学习模型输出的博弈论方法
SHAP库的特性：
pd.set_option('display.max_rows', 5) # 最大显示行数
pd.set_option('display.max_columns', 15) # 最大显示列数
pd.set_option('display.max_colwidth'又称为数据不平衡（imbalanced）问题，指分类任务中不同类别之间的样本数差异过大的情况。数据偏斜常见于医疗诊断、文本分类、金融欺诈、异常检测等领域，一般认为样本比例大于4：1时，便存在样本不平衡的问题，一些极端的场景下，会存在1000：1的样本比例，甚至一个类型只有一个样本的情况
数据偏斜问题的影响：干扰建模过程，错
在所有 UNIX 、 类Unix系统和Windows系统中, 每个进程都有其特定的一组环境变量（Windows系统中的环境变量在命名、语法和用法上略有区别）
环境变量是进程运行的环境的一部分，子进程一般会继承其父进程的运行环境（除非手动的修改或删除），环境变量也是动态的，为进程提供了更多的灵活性
临时性VS永久性
export命令导入的环境变量是临时的，会立即生效但仅对当前终端有效sourINI：Initialization file的格式，最初为Windows系统中的基础配置文件格式
INI格式作为早期常见的配置文件格式，通常由节（Section）、键（key）和值（value）组成
缺点：不适合复杂的格式或多嵌套的情况
[localdb]
host = 127.0.0.1
user = root
password = 123456
port = 3306
database = mysql
Python内置con