编码时间序列为图片计算机视觉和语音识别方面的成功很大程度上推动了深度学习的热潮。然而，当涉及到时间序列时，建立的预测模型效果可能是很差的（递归神经网络较难训练，研究成果也很难实际应用起来，并且不存在预先训练的模型，1D-CNN可能不太适用）。为了利用计算机视觉最新发展带来的技术和见解，本文将介绍并讨论一种将时间序列编码为图像的方法：格拉姆角场 (the Gramian Angular Field,
最近在重新学习线性代数，学习的教材是MIT Gilbert Strang 教授的《INTRODUCTION TO LINEAR ALGEBRA》，在第4.4章节格拉姆-施密特正交化时，书中章节末尾介绍了一种改进的格拉姆-施密特正交化方法，但书中给出了公式，省略了很多细节，给学习理解造成了一定的难度，为自己今后或者遇到同样问题的朋友记录一下公式
简介Grubbs测试（以1950年发表测试的Frank E. Grubbs命名），也称为最大归一化残差测试或极端学生化偏差测试，是一种统计测试，用于检测假设的单变量数据集中的异常值来自正常分布的人口。 定义格拉布斯的测试基于正态假设。也就是说，在应用Grubbs测试之前，应首先验证数据是否可以通过正态分布合理地近似。格拉布斯的测试一次检测到一个异常值。从数据集中删除该异常值，并且迭代测试
