检测异常值的方法有很多，选择哪种方法需要具体问题具体分析，下面罗列一些常用的方法。

Dynamic Time Warping

Dynamic Time Warping 的目标是比较两个依赖于时间的序列 $X:=(x_1, x_2, \cdots, x_N), Y:=(y_1, y_2,\cdots, y_M)$，这些序列可以是离散信号（时间序列），或者更一般地，是在等距时间点采样的特征序列。记 $\mathcal{F}$为特征空间，则 $x_n, y_m\in\mathcal{F},n\in[1:N],m\in[1:M]$。为了比较两个不同的特征 $x,y\in\mathcal{F}$，需要引入一个局部花费度量（local cost measure），有时也称为局部距离度量（local distance measure），其定义为

$$c:\mathcal{F}\times\mathcal{F}\to\mathbb{R}_{\ge0}$$

These following advice were taken from J.D.Watson’s speech in SUSTech that I copied from Qzone. (Actually I don’t know who organized these sentences.) Some of opinions seem to be known to everyone, but are easily overlooked. Most of these advice are about study and research, but I think some are also suitable for work. Emmm as for why I am writing in English, just as learning programming: You cannot learn python well if you only reading code without writing. However, no more than five people know the blog, hahaha……

树莓派是个好吃，哦不，好玩的东西hhhhh

在Windows下安装spark

最近在练习听写，想找一个可以把音频播放完一句话之后暂停的软件。没有找到合适的，于是自己用matlab写了一个。

常见同义词替换

汇总一些金融领域的概念

一些练习题。

使用数理统计模型从海量数据中有效挖掘信息越来越受到业界关注。在建立模型之初，为了尽量减小因缺少重要自变量而出现的模型偏差，通常会选择尽可能多的自变量。然而，建模过程需要寻找对因变量最具有强解释力的自变量集合，也就是通过自变量选择（指标选择、字段选择）来提高模型的解释性和预测精度。指标选择在统计建模过程中是极其重要的问题。Lasso 算法则是一种能够实现指标集合精简的估计方法。