机器学习

第六章 间隔与支持向量 分类学习 最基本的想法： 基于训练集 D 在样本空间中找到一个划分超平面，将不同类别的样本分开。 划分超平面：$w^T x + b = 0$ 支持向量

第五章 神经元模型 神经网络 由具有适应性的简单单元组成的广泛、并行、互连的网络，它的组织能够模拟生物神经系统，对真实世界物体所作出的交互反应 神经元模型（简单单元） M-P 神经元模型 神经元接收到

第四章 决策树 基本流程（决策树的基本构成与生成）、划分选择（信息增益、增益率、基尼指数）、剪枝处理（预剪枝、后剪枝）、连续与缺失值（连续值、缺失值）、多变量决策树

西瓜书 第一章 基本术语、假设空间 + 第二章 模型评估与选择 经验误差与过拟合、评估方法、性能度量

西瓜书 第三章 线性模型 基本形式、线性回归、对数几率回归、线性判别分析、多分类学习、类别不平衡问题