进度24/12/17

昨日复盘：
尝试自己爬取了两个学校的就业信息数据，比较简单但是顺通了爬虫流程
看别人的代码：AQX的。

今日进度：
分析理解昨天代码的过程，统计问题

过程理解

EDA部分

对于不同变量类型判别的举例说明：

初步划分数值型和类别型时：

• 离散型数值变量

OverallQual: Rates the overall material and finish of the house10	Very Excellent9	Excellent8	Very Good7	Good6	Above Average5	Average4	Below Average3	Fair2	Poor1	Very Poor
# 个人感觉这就相当于已经进行顺序编码的类型变量！！！

填补空缺时划分顺序特征、一般类别特征和数值特征时：

对于不同类型变量使用的可视化图表及作用的理解

ked、skewed等概念

多变量分析要点及可视化方式

多重共线性multicollinearity

箱线图与离群点、skewed

空缺值填补策略

分组时分组依据怎么选？

特征工程

CV的应用

这里的交叉验证CV貌似只是在网格化搜索优化超参数模型的过程中使用，并没有用在最终的模型评估中，没太理解这样的用意，CV不是一种非常好的模型评估手段吗？为什么最后评估的时候不用CV

是不是因为val用来评估模型时也不能参与到训练中？？？

最后用来多种评估方法也有CV但是：
如果使用数据集合S来进行超参数搜索，是不是就不能再直接在S上进行CV评估，这也算一种数据泄露吧

集成建模

融合Blending