图像分类是指根据各自在图像信息中所反映的不同特征， 把不同类别的目标
区分开来的图像处理方法

SVM是在特征空间上找到最佳的分离超平面，使得训练集上的正负样本间隔最大。是用来解决二分类问题，在引入核方法后也可以解决非线性问题。

Decision Tree是无监督学习模型。

k-means 机器学习算法是无监督学习算法

采用one-hot编码对离散特征进行转换，会增加特征维度

正则化是解决过拟合的方法之一（）

朴素贝叶斯算法常用于图像识别（）

在图像分类问题中，卷积层与全连接层可直接连接

训练时，发现RNN网络收敛速度较慢，这时需要减小学习率

N-gram模型中，N指的是忽略距离大于n的上文词的影响，N越大时。模型包含的次序信息越丰富，同时计算量随之增大。

NFL（NoFreeLunchTheorem）定理有一个重要前提：所有“问题”出现的机会相同、或所有问题同等重要。