其中为输入，为权重，为偏置，为输出。其中n通常为batch_size, m为输入特征的维度，p为输出特征的维度。在几何上，可视为将一个决策变量从m维空间到p维空间的线性投影。注意：和是可学习参数。

1.1 线性回归1.2 决策数1.3 支持向量机1.4 随机森林1.5 聚类1.6 降维1.7 核方法。

其中为输入，为权重，为偏置，为输出。其中n通常为batch_size, m为输入特征的维度，p为输出特征的维度。在几何上，可视为将一个决策变量从m维空间到p维空间的线性投影。注意：和是可学习参数。

其中为输入，为权重，为偏置，为输出。其中n通常为batch_size, m为输入特征的维度，p为输出特征的维度。在几何上，可视为将一个决策变量从m维空间到p维空间的线性投影。注意：和是可学习参数。

其中为输入，为权重，为偏置，为输出。其中n通常为batch_size, m为输入特征的维度，p为输出特征的维度。在几何上，可视为将一个决策变量从m维空间到p维空间的线性投影。注意：和是可学习参数。