学习小结【1】

1‌.5倍交叉验证在实验中如何用？有没有相应的函数模板？
可能有，但大多数情况都是直接运用的，这个要等代码看多了就知道了

2‌.拿到实验代码后，我应该怎么做？
把实验中相应的部分内容跑一下，利用提出的方法更换数据集跑一下，再更换方法用同一个数据集跑一下。
不要想着能把所有的代码都看懂！事实上，你并不能看懂，只要了解代码中的主函数部分和一些指标函数部分(这部分通常也是有模板的）就行了。大多数代码部分是可以直接套用的！

‌3.如何有效看一篇文章？(已经第n次的困惑了)最高境界就是通过看损失函数就知道作者的目的！
要看懂文章，并且在看完之后思考，我从这篇文章里能学到什么？
‌关于实验中的大多数图形都可以通过matlab画出来的，后续自己学着如何画出来。

‌4.优化部分和算法部分，这部分比较晦涩难懂，不需要推导，但是要知道原理什么的。在遇到类似情况时，知道要用什么方法，怎么进行。

‌5.得到损失函数后，如何进行求导处理，也就是范数求导部分，可以借用公式来进行
计算公式网页链接：
https://www.matrixcalculus.org/

注意:1.Norm2是有平方的 对u求导 和u无关的式子没必要写进去！
不过写进去也行，然后对相应部分进行求导就可以了。【实践证明，这种方法更方便，省的每次都要重新输一遍公式，然后进行求导】
2.一般损失函数中如果求和的话，求和∑符号我们是不好输入进去的，但是这个并不影响求导！我们可以在求导后的结果中，对应部分再添加求和符号！
3.如果报出这样的错误，可能是因为选择的数据类型不一样，这种情况就需要仔细检查下各部分的数据类型，确定它们是矩阵，标量还是向量。一般改动后就没有问题了

4.当遇到损失函数中的参数问题【也就是apha,bata,grma,这些不方便输入的数字符号时】，数字上标，下标等在电脑上不好操作的数字符号时，可以采用其他的符号替代，比如用a,b,c替代，这并不会影响求导的结果，之后在论文书写的时候再替换过来就可以了。
5.有时候，求导后的结果会自动给简化，比如合并同类项。这种情况下，要仔细比对，一般结果是没有问题的，实在觉得看不顺眼可以给它展开。


‌6.实验中关于多个方法在多个数据集上结果的表格图如何得到的？表达形式mean±std怎么得来的？
在实验中，我们每次运行的运行结果都是随机的，多次得到结果后，取一个大概的值(即误差值可以自己标，但不要太离谱)
最后我们会得到多个数据集在多个方法上的多种指标的结果，最终结果需要自己在word中用表格给做出来。

7‌.关于如何调用函数文件？可以编写一个脚本函数进行调用！
一般就是编写个脚本函数，具体就是把函数参数写在前面，然后直接调用就可以了，这比每次在命令行中输入函数名称要简单的多

‌8.关于数据集，一般都是使用处理后的数据集进行跑代码。如果数据未处理，需要靠自己进行处理后，改成.mat形式的文件后才能使用。处理后的样本的标签集，一般是0/1形式的，未处理的可能是字典形式或者别的形式(可能会通过文本文件打开）
对于多视图多标签实验来说，有用的数据是标签测试集，训练集(有的时候可能会直接放在一个统一的文件里，比如data)，以及多个视图特征的数据(多视图维数可能会有点多，这时就需要我们自己选择了）。
具体方法如下:将未处理的数据集(解压后)文件和vec_read.m和vec_write.m放在一起！注意，是这三个文件夹放在一个统一的文件夹里！然后修改相应的数据集名称【这里有一个处理数据集的脚本函数模板】，需要几维多视图特征，就选择几维。(方法，就是将注释部分去掉，注意找对需要的数据注释方面）
对于.txt文件的多视图多标签数据集，光用上面的脚本处理函数处理数据可能不能得到预期结果(比如会报出这样的错误(一般情况下，是看文件运行的路径是否正常，检查无误就可能是别的原因了)

错误提示如下:
错误使用 fread
文件标识符无效。使用 fopen 生成有效的文件标识符。
出错 vec_read (line 56)
出错 pascal07 (line 16)

这时对于txt文件，直接采用matlab中的load函数处理数据即可，具体语句如下(在命令行出直接输入即可）:
load(‘数据集名称_train_classes.txt’)
load(‘数据集名称_test_classes.txt’)

‌9.关于实验代码可能找不到问题？
一般会在文章的底部给出链接，极少情况下会放在实验部分的内容里(这种情况比较少)。有时候可能链接无法打开，这时可以尝试联系作者，看看能不能要到代码。(不过极有可能没有回复)
‌利用Python可以很好的进行Friedman检验和后续的Nenemiy检验(包括绘图)，matlab可以进行Friedman检验和绘图(有相应的函数调用），但不确定能不能进行Nenemiy检验。CD图也可以利用Spss软件画！
‌配对t检验(学生t检验）:其实就是将提出的方法跟其他的对比方法进行(具体可参考csdn等相关帖子)

10:如何写出一篇论文？[目前的一点点想法……】
先有个想法(A+B型，即将方法进行融合，一般自己想出来一个想法比较困难)，写出来的前提就是论文要多看多看多看！
写代码，做实验，进行撰稿，修稿，投稿！

‌11.关于实验中计算，win/tie/loss这部分，实验中也可以不写。(这个目前为止才看到第一次，所以如果以后真的想要放这个实验的话，可以再多看几个，学习一下)

12‌.一些优化算法的总结【部分，其他内容待续补充……】
1.加速近端梯度下降法(使用频率很高）:适用于损失函数整体不可微，部分可微，而且由于正则化项的存在导致函数不光滑。这个时候就可以通过近似模型来优化解。这种解决非光滑凸优化问题的方法就是加速近端梯度下降法。(这个一般都有一个模板，在使用的时候可以更改相应的数值进行计算就好了！但前提是对这个算法很了解！)
2‌‌.交替优化算法(使用频率很高):对于损失函数中存在多个参数时，我们需要固定其他的参数，只更新一个参数。首先要得到要更新的参数对应的等式，一般会利用求导(可以利用公式来算，但是一定不能直接复制进去，要写成规范形式来求）来算[这部分参考第5条关于损失函数如何求导的总结】
令求导结果为0，然后再根据KKT条件(关于不等式约束问题的求解）或者closed-form solution(闭合解不就是 Ax=B x=(A逆)B）来进行求解
‌3.增广拉格朗日函数:一般的拉格朗日函数可能无法解决问题，这个时候就需要使用增广拉格朗日函数，使用这个方法的同时会用到交替方向乘子法(这部分内容记不太清了，下次再修改补充)
待续……

继续努力吧！目前状态就是，没次看文章的时候都会疑惑，如何才算是有效的看文献！！！道阻且长，行则将至！