【学习草稿】

【python学习】
1、迭代器：
list=[1,2,3]
it = iter(list) # 创建迭代器对象
print(next(it)) # 输出迭代器的下一个元素
迭代器对象可以使用常规for语句进行遍历：
list=[1,2,3,4]
it = iter(list) # 创建迭代器对象
for x in it:
print (x, end=“*”)
2、生成器: 在 Python 中，使用了 yield 的函数被称为生成器（generator），跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。适用于“数据切分”。

【数据分析】
1、相关性分析
对变量之间相关关系的分析，即相关性分析。其中比较常用的是线性相关分析，用来衡量它的指标是线性相关系数，又叫皮尔逊相关系数，通常用r表示，取值范围是[-1,1]。
r的绝对值<0.3 ,低度线性相关。
在excel中，可以用CORREL函数来计算相关系数。
https://zhuanlan.zhihu.com/p/54259536

2、excel制作折线图
https://blog.csdn.net/qq_41901122/article/details/103678622

【模型学习】
1、多层感知机
在人工神经网络领域中，感知机也被指为单层的人工神经网络，以区别于较复杂的多层感知机（Multilayer Perceptron）。

https://zh.wikipedia.org/wiki/%E6%84%9F%E7%9F%A5%E5%99%A8
多层感知器
https://zh.wikipedia.org/wiki/%E5%A4%9A%E5%B1%82%E6%84%9F%E7%9F%A5%E5%99%A8
MLP多层感知机原理简介+代码详解
https://blog.csdn.net/winone361/article/details/96705119
神经网络1：多层感知器-MLP
https://zhuanlan.zhihu.com/p/63184325

2、SVM
支持向量机通俗导论（理解SVM的三层境界）
https://blog.csdn.net/v_july_v/article/details/7624837
机器学习之旅—SVM分类器
https://blog.csdn.net/jinshengtao/article/details/40900865
机器学习笔记之（5）——SVM分类器
https://blog.csdn.net/gwplovekimi/article/details/80301614

3、GBDT、XGBoost、LightGBM的区别和联系
https://www.jianshu.com/p/765efe2b951a
简单来说，XGBoost和LightGBM都是基于决策树提升(Tree Boosting)的工具，都拥有对输入要求不敏感、计算复杂度不高和效果好的特点，适合在工业界中进行大量的应用。
https://tianchi.aliyun.com/forum/post/2586