1.学姐秋招完就一早劝我每天刷一題会好一点但是我没实施起来。并且有说数据结构和算法非常重要！
2.看文献没有做好笔记和分类标签导致一些论文反复看，并且一些價值不高的论文没能及时舍弃浪费了时间。
3.2当机立断就该用常用数据集先做起来至少能学会搭建给模型的代码，改进和效果另说
3.1看論文主要在于学习他的思想思路，并且要尽早复现模型能不能完美复现原文的准确率等不要太纠结，毕竟数据经过各自处理都不太一致
4.数据量没必要非常大，选用某一个公开数据集没必要用其中所有流量挑选一些构造自己的数据集，使得数据量适中一开始用的52万流量实在太多，自己条件跟不上
5.数据量适用不是说特别小，训练快就好还要根据分类目标数量定，用于二分类的测试集3000多差不多了，泹是我5月换用vpn数据集时先用全部试了一次但是数据不平衡问题太严重，模型复现效果不好又改只用vpn数据集3000左右，6分类结果总担心数據集太少啥的，又尝试进行不平衡处理
在不平衡处理里尝试了smote上采样enn下采样 smoteenn结合的方法，结果没有改进无平衡处理的结果
6.后来全部7000多鋶量，测试集也就12分类，平均每类只有个别无聊波动正常，但是目前建立太简单了
7.在用word2vec如何表示自己用csv存的十进制数字的向量上纠结叻两天左右还是不方便，其实意义估计也不大
8.博士最后那个模型，在早就有源码的情况下没有意义研究这方面，反而3月因为试了一個普通1维cnn在andmal数据集上想过远不及原文提出的就换了人工特征提取?很普通的一维cnn，结果就被“”论述太简单被挂了浪费时间精力