贝叶斯误差
已知数据真实分布，预测出现的误差。在统计学中，是指针对任意分类器随机输出的最低可能误差。
例子：分布是真实的，但预测的输出只能是一个值，所以会有误差。例如，假设真实世界中90%长头发的人为女性，10%为男性（这是已知的真实分布）；此时已知一个人头发长，预测该同学性别。由于只能预测男/女。此时即使你知道真实分布，预测为女，也会有10%的误差。这就是贝叶斯误差。
正则化
防止过拟合
https://www.zhihu.com/question/20924039/answer/240037674
加了正则项的损失函数Loss如上，求最小Loss的w。假设，w参数向量只有两个即w...
以下的股有我妈以及我哥推荐的也有和几个炒股同学共同研究的。
光伏以及新能源：
这段时间大涨，短期有回调风险，长期看好，考虑到碳中和，全球气候协议这些国际政策因素
上游产业:
601012，隆基股份，龙头一，目前113.55，入场存在风险，但是目前给我一种科技股中的茅台的感觉；
600438 通威股份，光伏硅片龙头二，理由和隆基一致，
002459 ，晶澳科技，也是光伏龙头之一，不过近期走势不如上面两个，
中下游：
300274，阳光电源，太阳能风能相关设备研发
002008，大族激光，激光加工设备研发，光伏设备研发；
000155，川能动力，太阳能风能发电
基金
515970，光伏EFT...
技术性熊市：两个季度内下跌幅度超过20%
/image-20201206152828283.png)
一级熔断后暂停15分钟，又开启
二级熔断后暂停15分钟，又开启
一级和二级一天只处罚一次，若二级熔断后只要不超过三级都不影响交易
三级熔断后，股市当天交易停止
期望收益率R=无风险收益率+风险溢价(风险补偿)
10年期国债当做无风险收益率去吃30
构建公司估值体系，行业分析方法
1、PE，市盈
2、年复合收益率=PEG=PE/主营业务利润增长率=PE/净利润增长率
PEG<0.5无脑买入阶段，<1就是安全边际内
可买入股票，20%主营业务增长，20%净资产收益率，30%一下资产负债比率，以及行业情况
3、基本分析
宏观，行业，公司
A股75%情绪影响，25%公司绩效影响
大盘整体PE的65左右时，基本到股市头部；
4、投资带来的经济增长存在结构性问题：
数据解读，20%投资增长带来10%经济增长
5、投资过剩，需要去场能、库存、杠杆
6、道氏理论-技术分析：
主要趋势，次级趋势，短暂趋势
3-5年，3-5个月（半年），...
问题1：通过距离进行约束的时候发现由于骨架点太多，导致邻域骨架在连接时存在重复问题，所以要进行resample
多个连接点问题：
投影距离计算有误？
片断时间经营股市7个月，有根据策略、母亲的指点、同学的意见等综合因素获利7000，收益炒25%，也有因吃到甜头反复操作单支股票导致翻车、贪婪不止损等因素亏损7000，截止今日7个月在金钱数额上的功夫时间化为泡影。因此做一定的心得总结，不一定有用，但是闲暇时候看一下也是对自己的一种警示。这次主要记录自己的问题，对于炒股学到的东西，我觉得自己初步尝试的一套逻辑具有一定的可行性，所以后续可以继续开展。果然数据分析能力比工程能力更重要。
买股逻辑短线 中国股市太妖，因此短线和长线的炒法思路大有不同。短线炒股偏向技术炒股，企业业绩影响较小，更多是考虑主力资金的流形...
Skeletonization of Plant Point Cloud Data Using Stochastic Optimization Framework（有待进一步研究）问题：
Problems with the existing approaches on skeletonizing plant point cloud data. Original point cloud is shown as black point cloud and the skeleton points are shown as red points. (Left) The problem of zi...
坐标xyz，RGB颜色，HSV空间颜色信息
使用HSV色彩空间的有点是其每个属性都直接对应于基本色彩概念，这使得它在图像处理中变得简单
三角植被指数，对于植株点云的分割：
TGI=-0.5×[0.19(R-G)-0.12(R-B)]Hog3D
kmeans聚类
特征向量缩放正定矩阵和半正定矩阵
正定矩阵：给定一个大小为 的实对称矩阵 ，若对于任意长度为 的非零向量 ，有 恒成立，则矩阵 是一个正定矩阵
半正定矩阵：给定一个大小为 的实对称矩阵 ，若对于任意长度为 的向量 ，有 恒成立，则矩阵 是一个半正定矩阵
直观解释：
若给定任意一个正定矩阵 和一个非零向量 ...
本来想把这个个人主页做成技术站，现实是技术突破太慢，久久难以更新。嗨，反正是个人主页，想放什么放什么，也无所谓了。也是想来很久没写东西，近期生活枯燥而波动，个人情绪始终不是特别的高昂，稍稍记录一下。
有关学习
学习是我唯一坚持这么多年的事，但是实际上读研之后，更多的是在赶工赶进度，做导师的项目，完成导师的任务，一年下来真正静下心来好好学习的时间寥寥无几。也不全怪导师，从小到大一直在区域拔尖的学校学习，多多少少有点自傲。浮躁，焦虑，伴随我3年半的情绪始终是影响个人工作状态的两大因素，挥之不去。所幸，现实打脸的很快，我也不过是平平常常的普通人，膨胀的状态没有维持多久变气馁了...
主要提取的点云特征：一、主曲率点在平面的移动速度，陡峭程度；
计算方式：
Step1：pj(px, py, pz)点的法向量nj(nx, ny, nz)投影到法向量ni(nix, niy, niz)和点pi(pix, piy, piz)构成的切平面，pj是pi的领域点：
切平面表示：nix (x-pix) + niy (y-piy) + niz (z-piz)=0;
各点法向量投影表示：
其中，I是3×3的单位矩阵；
注:向量 $\vec{n_i} \bigotimes \vec{n_i}$表示两法向量直积，但是个人认为这里应该是发现了的列向量直积列向量转置，否则无法得到3×3的单位矩阵...
