证明收敛阶的matlab代码稀疏性提升
去做
重新考虑是否/在何处进行归一化和离散化。
考虑缓存Tr（Ky（:)）。
然后，如果我不使用p值，则可以使用H是幂等的来计算Tr（HAH
HBH）=
Tr（AHBH），即我只需要计算KxH，依此类推。
从c
++代码中删除打印语句。
改进离散化使用方法，以使相互信息最大化。
去除异常值后重新生成ROC曲线。
考虑多次学习网络以改善边缘分类器。
需要证明边缘分类器是一致的。
我需要确保不会发生的问题是从属分布看起来不像是一个尖峰，但实际上在分布的平坦部分中确实隐藏了一些。
评估贝叶斯边缘分类器的AUC。
记住要提到Joris
Mooij的论文，强调我仅使用观察性数据，也许讨论了如何将介入性数据纳入我们的方法。
在论文中重申，假设数据是从y〜A
phi（x）+
eps提取的，则最小化伪似然项恰好等于最大化似然性。
绘制边缘分数的beta函数。
使用花式离散化和正常离散化将Sachs数据的结果进行比较。
标度
尝试将范数（K（:)）除以总均值，每个条件集大小的均值n，sqrt（n）和log（n）。
sqrt（n）似乎做得最好，但是似乎并没有收敛。
