机器学习笔记4后半段

4：classification

接上文

4. classification
   
5. classification：probabilistic generative model
   优化：减少参数——把不同的Gaussian给相同∑
   
   boundary：linear model
6. 总结
   
   如果所有维度都是独立的可以不用Gaussian用naive bayes classification
   
7. sigmoid function
   z：
   找出N1、N2、μ1、μ2、∑可以求出w、b