基于 Java 机器学习自学笔记 （第60天：过去十日的总结）

注意：本篇为50天后的Java自学笔记扩充，内容不再是基础数据结构内容而是机器学习中的各种经典算法。这部分博客更侧重于笔记以方便自己的理解，自我知识的输出明显减少，若有错误欢迎指正！

---

目录

1.尝试作为知识的输出者

2.机器学习的不确定性

3.关于KNN与KMeans的差异

4.关于Leave-one-out的一些思考

5.关于常用的距离公式整理

5.1 欧氏距离

5.2 曼哈顿距离

6.其余高维距离距离

7.测试与训练的分割应当采用随机数组分割

8.要去怀疑

9.“ 错误的代码 ”反而更高的识别率？

10.机器学习总是让人摸不着头脑

---

昨日又双叒叕是毕业各种琐事打乱了昨天的正常更新，整理整理心绪，今天对于过去十日完成的内容做一次小总结，同时也对一些错误进行分析。

1.尝试作为知识的输出者

首先，过去10日内容是自己作为机器学习小白，通过模仿老师的代码一步步学习机器学习的内容进行完善得到。相比于1~50天内容的几乎纯粹的知识输出，我本希望的是写得更像笔记一些，但是写着写着就感觉内容渐渐偏向一种理解阐述，就是把自己听到的东西试着作为输出方输出出来。

这样无疑非常花费时间，但是这个过程中我对于这个知识的理解似乎渐渐变得更加明了。例如过去几日的NB算法，说起来好笑，我在写博客的时候其实还不是很明白算法的过程，但是通过一边跟着老师的公式推导一边自己推导，渐渐理解NB的一些思想了，同时写出来的东西不完全类似于老师