核密度估计（kernel density estimation，简称KDE）是核平滑对概率密度估计的应用，即一种以核为权重估计随机变量概率密度函数的非参数方法。由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）
核密度估计的实现：
$$\hat{f}_h(x)=\frac{1}{n}\Sigma_{i=1}^nK_h(x-x_i)=\frac{1}{nh}\Sigma_
贝叶斯优化是一种通用的黑盒优化算法，不需要计算梯度便可快速解决最优化问题，贝叶斯优化适合处理目标函数计算成本高或求导困难的情况。贝叶斯优化最常用的场景是超参搜索（尤其是神经网络类算法，计算成本高，超参数还多）
贝叶斯优化(Bayesian Optimization，BO)
目的是要找到一组最优的超参组合x，能使评价/目标函数f(x)达到全局最优
由于评价/目标函数f(x)计算成
常见读取函数：
| 函数名称 | 简单描述 |
| ---------------- | ------------------------------------------------------------- |
| read_csv | 从文件、URL、文件型对象中加载带分隔符的数据，默认分隔符为逗号 |
| read_fwf |
pandas是后续数据清理和分析的重要工具
pandas是基于numpy构建的，但支持异构的数据（不同于numpy，pandas中不同列的类型可以是多样化的，比如日期、数值、字符串等）。pandas的功能定位可以对标Excel，但相比于Excel会更加地灵活强大
pandas包含两个主要数据结构：Series和DataFrame
Series是一种类似于一维数组的对象，包含了列表、字典或一维numpy数组的很多特性；每个Series都是由一个名称（name）、一组index和一组values构
NumPy（Numerical Python）是Python用于数值计算的基础包
ndarray，提供快速向量计算和灵活的广播机制关于广播机制可参阅1.3 广播机制
ndarray数组是一个通用的同构数据多维容器，即所有元素的类型应该是相
元组tuple，小括号定义，固定长度，不可变的Python序列对象
在Python的函数中，参数传入以及结果返回都是以元组的形式实现的
列表list，方括号定义，长度可变，内容可变的Python序列对象
常用的序列函数
enumerate()示例：for i, value in enumerate(tuple_or_list)sort()：对序列或字符串进行排序zip()：对多个序列进行成对地组合（最终长度取决于最短的输入序列）reversed()：生成器，从后向前地迭代一个序列字典dict（重要），大括号定义，以键值对