分类目录归档：学习
主界面：
命令行 Command Window
命令历史 Command History clc： 清除命令窗口的内容
工作
style - 输出显示格式
short （默认） | long | shortE | longE | ...
[X,Y,Z] = cylinder 返回圆柱的 x、y 和 z 坐标而不对其绘图。返回的圆柱的半径等于 1，圆周上有 20 个等距点，底部平行于 xy 平面。
该函数以三个
一般情况下，我们将正常客户标记为0，违约客户标记为1。
单位根又叫（unit root）。
当一个自回归过程中： $$y_{t} = by_{t-1} + a + \epsilon _{t}$$ 如果滞后项系数b为1，就称为单位根。当单位根存在时，自变量和因变量之间的关系具有欺骗性，因为残差序列的任何误差都不会随着样本量（即时期数）增大而衰减，也就是说模型中的残差的影响是永久的。这种回归又称作伪回归。如果单位根存在，这个过程就是一个随机漫步（random walk）。
补充：解释变量（即滞后被解释变量）的系数应该有三种情况：
通过对损失函数引入正则项，避免模型的过拟合的情况。
正则化的分析：随着$\delta$取值的增大，系数$\theta$趋近于0
将原始样本通过函数进行高维映射，并作为特征进行模型输入，提高模型对于信息的提取能力
比如最常见的高斯核/RBF核(RBF:Radial basis function/径向基函数)
$$k(x,\mu_i,\lambda)=exp{(-\frac{1}{\lambda}||x-\mu_i||^2)}$$
转换过程： $$\phi(x)=[k(x,\mu_1,\
面对$N$个形式为$(x_i,y_i)$样本组成的样本集，线性回归就是为了寻找形式为$y_{N\times1}=X_{N \times d}\theta_{d\times 1}$的线性方程，使其能最大程度拟合样本，而第一步便是建立线性回归的损失函数/目标函数： $$Loss(\theta)= (y-X\theta)^T(y-X\theta) $$
其中$y$表示真实值，$X\theta$表示的预测值，所以损失函数$Loss(\theta)$表示的便是真实
