1、線性組合的基本形式是什麼？向量形式怎麼表示？
2、線性模型與非線性模型之間有什麼關係？如何通過現象模型得到非線性模型？
1、對資料處理：（這裡指對離散屬性的量化）
例如：」身高「的」高「、」低「，可轉化為；
」身高「的」高「、」中「、」低「，可轉化為；
」瓜類「的」西瓜「、」南瓜「、」黃瓜「，可轉化為，，；
注：若將為無序屬性連續化，則會不恰當地引入序的關係，對後續處理如距離計算等造成誤差。
2、如何確定w和b呢？——均方誤差是回歸任務中最常用的效能度量，嘗試讓均方誤差最小；
3、知道熟悉最小二乘法求解最優結果。
1、首先知道什麼是」廣義線性模型「；
2、對數機率回歸思想就是利用」廣義線性模型「：只需找乙個單調可謂函式將分類任務的真實標記y與線性回歸的**值聯絡起來；
3、最常用的sigmoid函式，了解它的性值、圖形；
4、如何通過」極大似然法「來估計w和b？知道其中的原理和公式推導；
5、知道什麼是線性判別分析？
6、理解線性判別分析的建模過程；
7、如何將線性判別分析推廣到多分類任務中，理解其建模過程；
1、如何實現多分類學習『
2、多分類學習的基本思想是什麼？能不能改進？
3、有哪些經典的拆分策略？（ovo， ovr， mvm）；
4、**拆分策略；
1、為什麼會出現類別不平衡問題？
2、假設資料是無偏取樣，那麼分類器的**與觀測機率有什麼關係？
3、說說類別不平衡學習中的乙個基本策略——」再縮放「
4、實際問題往往不存在「訓練集是真實樣本總體的五篇估計」該怎麼做；（現在技術有三類做法）
5、談談這三類做法；代表演算法；
6、說說」稀疏表示「；
第三章 線性模型
線性模型 linear mode 試圖學得乙個通過屬性的線性組合來進行 的函式 f x 1x1 2x 2 d xd b 向量形式 f x t x b 其中 1 2 d x x1 x2 x d 為由d個屬性描述的示例，x i 是 x 在第 i 個屬性上的取值。線性模型形式簡單，有豐富的變化，易於建模，...
機器學習（西瓜書）第三章筆記
part5關於多分類學習 以上兩種方法可以從儲存開銷和訓練時間兩個角度來分析模型的優勢。海明距離 就是比較測試例項中與上面的每一行不同的個數 歐式距離 以測試集和第一行為例，sqrt 1 1 2 1 1 2 1 1 2 sqrt 12 關於習題答案 習題3.1 試分析在什麼情況下，在以下式子中不比考...
第三章總結
1.dom操作 1.1dom操作分類 1 dom core 2.html dom 3 css dom 1.2節點和節點關係 整個文件是乙個文件節點 每個html標籤是乙個元素節點。包含在html元素中的文字是文字節點 每個html屬性是乙個屬性節點 注釋屬於注釋節點 父節點與子節點的關係 在節點數中...