1.10 科研相关总结

在给老师汇报看的第一篇论文时，汇报了自己从细节开始看起，推导一步步的梳理。

但是老师让我并不这么做，原因就不细说了，加在自己以下的总结中。如下：

我是第一次搞科研，在看文章的时候，注重文章的大体结构：

abstract,    introduction,   preliminary knowledge,    the model the author proposed and how he solve it(if the model is about traditional algorithm) ,experiments ,results and conclusion .

重点是作者提出的模型思想，至于如何解这个模型可以暂时降低要求。因为老师给我的论文是很详细的，而老师给的topic多数和之前已经有人提出的，已经成型的topic不一样，所以注重思想，对于细节性的东西对于初涉科研的我不用太去关心。

还有就是看别人的论文，涉及的代码一定要跑一下，把结果复现出来，涉及到experiments我要留意一下，因为自己编程能力不是很强。有意识地锻炼。

2019.1.2续:

现在已经正式的在无监督学习的路上了，涉及到的都是各种角度的流形学习方法：LE,LLE,LPP以及度量学习的内容。

整个过程分为几大步：

1.论文的思想在哪里的创新？我要将这种思想记录下来，看能否与自己的想法产生共鸣，从而提出自己的idea

2.思想的数学表达形式，现在涉及到的东西，很多东西都是传统的算法，相关模型最后都转化成了一个优化问题。

而因为自己优化方面的系统知识完全不懂，所以数学推导就GG了。导致自己无法更深入的理解模型。

3 编程复现算法，因为自己优化知识的不足，很可能导致自己 看别人的代码时，不知道这几行代码是做什么用的。

即使是封装起来，将某段代码看成黑盒子，整体知道有什么用处后，自己完全写代码，也还是有些问题。

总之，第3步，要编程实现代码。

4 最后一步就是，将所看到的论文思想总结出来，与自己现有的整个机器学习框架融合在一起，搞清楚论文能在哪个地方使用？（数据的预处理？还是特征之间的可视化？等等，到了这一步时，要注意到论文所给出的“假设”是否能很好的与实际中的数据所一致，即：明确当前论文的思想在解决实际问题时的限制与不足。）

2019.2.3续：前几天回来后，老师有给任务，

内容是老师对于Clustering and Projected Clustering with Adaptive Neighbors给了一个变体的实验部分，

接下来的内容主要以此为主体，进行回顾和复习。

1.在作者提供源代码的基础上，边看论文，边看代码，搞懂代码的每一步的目的。

2.根据老师所给变体的目标函数，确定优化方式，结合原论文的步骤和变体的优化步骤，对原论文代码进行更改，达到目的。

3.跑数据，从而判断代码是否正确。

4.调参，这一步很重要，因为代码不是全部都是自己写的，有一部分是来源于原作者的，所以一定要注意一些参数的意义，

我在跑的时候，因为搞错了了簇数，所以发现指标怎么也上不去，过了好一阵，才发现并更改了过来，一定要细心！

5.调参时，要记录指标值和对应的参数值（用LaTex对比）。当指标比较优时，要进一步的细调。