我不是很了解机器学习的本质是什么？但我知道机器学习在某种程度上是为了模仿实际，那么现在有这样一种假设：是否能通过机器学习来定义彩票出球机的出球过程？其中通过训练实际的出球情况(球号，顺序)来模仿出球机的状态，这样大量的训练后是不是得到的机器某种程序上就是彩票的那台机器？或者说我认为机器学习是可以完美模仿出另一台机器的状态。如有错误请指正，谢谢

longitudinal/panel data一般来说都是研究large n, small t的情况，简称sparse longitudinal/panel data。而dense longitudinal/panel data一般就是指n和t都趋向无穷。与此同时，multivariate time series也是研究多个subject在time不被bound时的情况。所以Multivariate time series和dense longitudinal data他们研究的是一类问题吗？还是有所不同？研究方法可否通用？

比如现在有300家公司一年的股票价格（时间都是2014.9.1~2015.9.1），如何将这300家公司根据股价走势分类，将股价波动及走势相似的公司分到一类？无监督，分成几类事先不知道。

麻烦看过的前辈介绍一下经验，以及入门先修知识。本人大四保研党刚看过了统计学习方法

人声有分不同的音色和频率，每首歌也有它的高中低频率。是否有一些公式，能在人和音乐中提取某些维度的信息，然后计算衡量这个人的歌声是否适合唱某首歌？对音乐分析不是很懂，就比如说老王的歌声数据的各频率和某首歌的各频率很吻合，因此说明这首歌老王更有潜力唱得好？当然我觉得频率肯定不是唯一的变量，是否还有其它分析的维度？

我现在在做某行业的欠费风险防控，每月预测，每个月只有0.3%的用户发生欠费，而且这些会发生欠费的用户中的大部分长时间里面只发生一次欠费。客户要求我们预测每月会发生欠费的用户，请问有什么方法去做这种预测，其他的方法已经试过了，现在在考虑用时间序列，麻烦各位贡献下计谋。