机器学习拐弯点

1.线性回归：满足齐次，满足可加性

2.多项式线性回归：变量代替法换成一元

3.验证集误差不能作为测试集误差的原因？

答：验证集选模型时，人为选最高，而测试集是自然的选择过程，为了方便，做一次测试集误差就代表了多次，效果都差不多

4.不对称类数据：坏的数据少，好的数据多，为防止模型测试效果不太好，所以用测试了多少个病人，还有测的准确率，双重标准，使得结果可信度一定可信

数据对称：好的和坏的差不多1：1；在这种情况下测试，想要把把都对，那是真本事

数据局限性：对于想要测试的目标结果可能性很多时，不能够收集各种目标数据集，只能从反面做模型，模型只能测试数据集有的可能性

大规模数据：越多拟合的越好，限制点越多

5.推荐系统

在某段时间内使用数据，做出模型，每个时间段做个，具有时效性

6.支持向量机：核函数：建立新特征？

为什么合适，没明白

7.图像文字识别

流程。。。滑动窗口做特征，做切割，特征的选择具有功能性。

8.特征

特征的选择具有功能性，特征的选择和输出具体相关性

9...