• SVM 一定不要忘记Normalize，而且要注意用training set的norms 和 mean 来 normalize testing set。特别是要注意二者的先后顺序要统一，如果training set是先norm后mean，那么test set也要先norm 后 mean。sklearn.preprocessing.normalize得到的norm要开方！
  • 正确的标注非常重要
  • joblib可以储存object，特别是训练好的classifier，pickle也可以做到，但是效率不如Joblib
  • 不仅要分析正确率，还要分析false positive和false negative，因为当negative sample非常多的时候，比如positive:negative = 1:10，那么即使所有的prediction都是0，正确率也大于90%。
  • 在对于SVM这样的分类器调参数的时候，可以用spreadsheet记下来调参数的过程。
  • Python无法选择传引用还是传递值，默认的传引用，除非是不能更改的变量。
  • Python的等号在赋值包含其他元素的变量（比如list）的时候，只是将同一个内存单元的指针指向了新的变量名，改变旧变量名所指向的内存单元的值会改变新变量。
  • Python 的变量传递规则结合到对feature进行的normalize，就有可能会重复normalize
  • 可以将标记为positive的像素点overlay到radar image上，来看是否标记了正确的groundtruth。