Abstract: 机器学习数据预处理的小总结
Keywords: 数据，预处理
训练数据选择血泪史
这一幅图就能完整说明整个训练过程，说明
从左到右，从上到下的顺序，表明整个训练
- 图一中黑圈绿点是目标pattern或者feature的真实（ground truth）分布（应该是更多维我只能画二维的）
- 图二红色点是训练时选出的训练样本，可见其覆盖不广泛
- 图三是训练过程，蓝色实线代表分类器（线性的，也可以是非线性的）
- 图四到图八是完整的训练过程
- 图九为最后训练结果，包括recall部分，missing的部分，以及false的部分
整个过程最直观的外在表现就是随着训练不断深入，模型的在测试集上的Recall逐渐变差
如果继续复杂化训练模型，会产生严重的过拟合
解决方法：
- 样本复杂化，尽量覆盖整个分布
- 更多样本