特征工程在机器学习中占有相当重要的地位。

树构造阶段决策树采用自项向下的递归方式从根节点开始在每个节点上按照给定标准选择测试属性，然后按照相应属性的所有可能取值向下建立分枝、划分训练样本，直到一个节点上的所有样本都被划分到同一个类，或者某一节点中的样本数量低于给定值时为止。

决策树算法是数据挖掘分类中的一种常用的算法。在数据挖掘领域内，分类可以看成是从一个数据集到一组预先定义的、非交叠的类别的映射过程。

监督学习的数据不需要带标签等人为标注信息

训练集分割为小一点的子集训练，这些子集被取名为 mini -batch

聚类需要从没有标签的一组输入向量中寻找数据的模型和规律

CNN中常用的正则化手段是dropout

卷积核尺寸一般是奇数

resnet可以很好解决梯度消失问题

神经网络的神经元计算是一个线性计算函数

卷积神经网络中的池化层主要用来A数据进行降维，减少数据特征