模型指标
MSE：均方误差，值越小越好
RMSE：均方根误差，值越小越好
MAE：平均绝对误差，值越小越好
R平方：【0，1】越接近1越好
ev：【0，1】越接近1越好
标准化
公式：（x-mean)/std
交叉验证
偏差——方差的折中
k较小时，偏差较低，方差较高，测试集小
k较高时，偏差较高，方差较低，测试集大
交叉验证的辅助功能：参数调节，模型选择，特征选择
实验处理方式
1.集中处理方式：将数据分为2部分，训练集与测试集
2.交叉验证：利用交叉验证的结果作为参数选择的标准，同时也作为模型择优的标准
3.分两步：将数据集划分为两部分，一部分为训练集，一部分为测试集，用训练集做交叉验证选择最优参数，用测试集来选择最优模型，同时，也由测试集来生成预测误差
归一化
特征值域跨度大，调整量纲
1.等高线的图（联想），加快梯度下降时收敛的速度
2.提高精度，因有些模型需要计算距离，如果值域跨度相差大，那距离计算就主要取决于值域大的（可否让相关性大的特征缩放小一点，原则上不能，后面特征工程中会讲到，可以对某些重要的特征再进行组合）
