分类目录归档：DataAnalysis
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
欧氏距离：对应元素求差后计算平方和（要求两个时序长度一致） $$ D(x,y) = \sqrt{(x_1-y_1)^2 + (x_2-y_2)^2 + ... + (x_n-y_n)^2} = \sqrt{\sum\limits_{i=1}^{n}(x_i-y_i)^2} $$ 曼哈顿距离：基于网格地图的路程（比如出租车的行驶路线长度） $$ D(x,y) =|x_1-y_1| + |x_2-y_2| + ... + |x_n-y_n| =\sum\limits_{i=1}^{n}|x_i-y_i| $$ 闵可夫斯基距离
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,\
