机器学习 - 决策树（中）ID3、C4.5 以及剪枝决策树简述决策树过程ID3C4.5过拟合剪枝定义剪枝过程

邻近性的度量距离、相似度简单匹配系数Jaccard 系数广义 Jaccard 系数距离余弦相似度皮尔森系数Bregman 散度选择正确的度量指标

L1、L2 正则项详解（解空间、先验分布）引入直观看解空间先验分布最大似然估计最大后验估计

机器学习-样本不均衡或不足的处理办法降采样倍采样混合采样代价敏感学习样本不足

机器学习定义类别监督学习无监督学习

深度学习 - 总述 and 训练技巧发展历史从感知器到神经网络深度学习训练技巧参数初始化DropoutBatchnormalization（BN）BN 的优势

机器学习线性回归梯度下降梯度下降（Gradient Descent）随机梯度下降最优解?多项式回归最小二乘解

机器学习感知器二分类线性模型损失函数梯度下降更新参数线性分类器的理解

机器学习Logistic 回归动机Logistic 回归优化线性表示的角度（Logistic 分布、概率）来看凸优化的角度来看多分类one vs. oneone vs. all / rest特点与应用

机器学习深度学习优化算法采样算法其他