机器学习

支持向量机找间隔最大的分隔面，记支持向量、间隔和核函数。

Logistic 回归用 Sigmoid 把线性结果变成二分类概率，并和线性回归分开。

集成学习把多个模型合在一起，记 bagging、boosting 这些组合方式。

决策树用一连串特征判断做分类或回归，记怎么建树、怎么剪枝。

深入理解朴素贝叶斯算法的原理、实现和应用，包括高斯、多项式和伯努利三种变体的详细解析

K 近邻靠相近样本的标签做分类，记 K 和距离怎么选。

机器学习系列的复习提纲，只记容易忘的部分，不从头讲定义。

部署前在模型大小和计算量之间做取舍。剪枝和蒸馏不好控，生产里更常用量化。

记 epoch、batch size 怎么选，以及 Adam、SGD 这些优化器和损失函数的差别。