写作结构：
1、任务完成度反馈
2、学习质量反馈
3、今天哪点比昨天做的好
4、明日
10-29
4、特征选取框架中每个步骤的实现
Pearson 相关系数，距离相关系数，简单线性回归，基于 AIC 的 Lasso 回归，基于 BIC 的 Lasso 回归，随机森林（以下称 RF），循环特征剔除（以下称 RFE）和岭回归
1）前5个方法的实现及 案例展示
2）各个方法的局限性和优势 辨别
10-30
1、已经区分各个特征选取方法的类别，案例奉上，评价奉上
2、开始时框架没有理解清楚；沟通不到位
3、清楚了特征选取的整体结构；不只是看
4、
1）实例，实践应用于 距离相关系数、信息熵
2）讨论特征架构
3）因变量的取值；所提供特征的数据结构
10-31
1、完成（除距离相关系数的实例）
2、在完成任务的过程中遇到了运行报错。
解决方式：
1）根据错误定位错误位置，直接查看错误参数
2）直接搜索错误
3、
4、
1）框架讨论，决定
2）、补全距离相关系数
3）、解决运行bug
4）用给定的结构数据集，测试输入
11-1
1、3/4完成
2、数据输入的处理（处理的解决方案，还没有结果）
3、这点需要注意
4、
1）输入数据的json特征怎么处理？从哪部开始处理？
2）完成整个流程的函数封装。拿一个简单特征集合跑流程