##2016 阅读记录
- 2016-03-05
Xgboost中两个我之前没有用过的特性，一个是用户自定义代价函数，另一个是pred_leaf,预测的时候设置pred_leaf为True，将对每个样本返回其在每棵树上的leaf index（一共有num_round棵树），可以当成新的特征来用。
- 2016-03-07
阅读了《A Programmer's Guide to Data Mining》这本电子书，内容过于简单，两三个小时读完，干货不多。
- 2016-03-08
Converting categorical data into numbers with Pandas and Scikit-learn 这篇文章讲了类别特征的处理，文中提到一点需要引起思考：If you have missing values in a binary feature, there’s an alternative representation:-1 for negatives，0 for missing values，1 for positives。It worked better in case of the Analytics Edge competition: an SVM trained on one-hot encoded data with d indicators scored 0.768 in terms of AUC, while the alternative representation yielded 0.778.
- 2016-03-11
Imbalanced data – Finding Waldo 这篇文章讲了不平衡数据的处理，都是常见的方法（简单采样，合成采样），但是文章最后讲了一个很有趣的处理方式：如果不平衡数据中某个类别的数据非常少，那么也可以把分类问题当成异常值检测的问题（ anomaly detection），只需要检测出异常值就行了。
- 2016-04-01
看了large-scale svm相关的内容，发现一个不错的工具EnsembleSVM，在准确率不下降的同时减小计算复杂度，对应论文EnsembleSVM: A Library for Ensemble Learning Using Support Vector Machines，另外一篇cite比较多的论文Making large-scale support vector machine learning practical