一个循环神经网络可以被展开成为一个完全连接的、具有无限长度的普通神经网络。

决策树是一种采用测量不同特征值之间的距离方法进行分类的算法。

卷积神经网络中同一卷积层的所有卷积核是权重共享的。

损失函数与模型函数是一回事

二分类过程中，我们可将任意类别设为正例

网格搜索是一种参数调节的方法。

K 折交叉验证是指将测试数据集划分成 K 个子数据集。

逻辑回归当中也可以加入正则项用于避免过拟合。

逻辑回归的损失函数是交叉熵损失函数。

朴素贝叶斯算法不需要样本特征之间的独立
同分布。

树剪枝阶段。构造过程得到的并不是最简单、紧凑的决策树，因为许多分枝反映的可能是训练数据中的噪声或孤立点。树剪枝过程主要检测和去掉这种分枝，以提高对未知数据集进行分类时的准确性。