Gls

1. 前言 分类问题的一般描述可总结为：利用已知标签的训练集X训练出一个模型，该模型包含一个映射关系h:X->Y, h应该能够对新的数据点预测其类别，并使得预测结果的正确率尽可能高。 1.1 Logi

1. 前言 什么是决策树？ 类似于流程图的树结构 每个内部节点表示在一个属性上的测试 每个分支代表一个测试输出 每个树节点代表类或类分布 决策树的生成由两个阶段组成 决策树的构建 开始时，所有的训练样

1. 最近邻分类器 1.1 积极学习 VS 消极学习 积极学习（急切学习）（Eager Learner） （1）归纳：由训练数据建立分类模型 （2）演绎：把模型应用与测试样例 比如：决策树和基于规则的

前言：维归约 维归约的目的 避免维灾难 减少算法消耗的时间和空间 便于数据可视化 删除不相关特征并降低噪声 怎么去实现维归约？ 主成分分析就是其中的一种方式。 PCA: Principle Compo

6.1 从全连接到卷积 我们之前讨论的多层感知机十分适合处理表格数据，其中行对应样本，列对应特征。但面对更加高纬度的数据，这种缺少结构的网络可能会变得不实用。 对图片进行降维，将面临百万级的特征维度，

5.1 层和块 为了实现复杂的网络，我们引入了神经网络块的概念。块（block）可以描述单个层，或者描述多个层组成的组件，又或者是整个模型都可以称之为一个块。 使用块进行抽象的一个好处是，可以将一些块

1 Anaconda虚拟环境命令 1.1 进入conda的基础环境 1.2 查看虚拟环境列表 1.3 创建新的虚拟环境 create是创建的意思， -n是（name）的缩写 python=3.9 指定

F.relu() 与 nn.ReLU()的区别？ 两种方法都是使用relu激活，只是使用的场景不一样。 F.relu()是函数调用，一般使用在foreward函数。 nn.ReLU()是模块调用，一般

4.4 模型选择、欠拟合和过拟合 我们的目标是发现模式，但是，我们如何才能确定模型是真正发现了一种泛化的模式， 而不是简单地记住了数据呢？ 更正式地说，我们的目标是发现某些模式， 这些模式捕捉到了我们