机器学习算法常用策略

• 求解优化问题方面

            1、固定A优化B再固定B优化A（代表算法：ACS、EM）

            2、引入白噪声（randomness injection）提升模型的鲁棒性，比如：

• 建立模型方面

            1、分层迭代（learning，self-paced learning， Deep-Forest, 分多个epoch迭代）

            2、对抗的方法（GAN）

            3、随机化+集成

            4、替代推广

• 数据增广方面

            1、平滑产生新数据

            2、时序数据压（放）缩幅度（y=y/a）、压（放）缩频率

            3、增加一些有物理或实际含义的特征（比如股票数据添加是否突破日内新高）

            4、对抗生成更多样本

• 数据预处理方面

            1、标准化输入数据（如，x=(x-min)/(max-min)）

            2、分类问题用正确率作为指标要保证样本均衡

• 噪声的处理方面

            1、对噪声建模，建立参数，EM求解

            2、评估标签的可靠性，之后进行自步学习采样

            3、随机多尺度之后集成

• 特别的技巧方面

            1、JS估计（n>2）