人工智能开源学习框架实现了基础算法的模块化封装，所以应用开发
人员完全无需关注底层实现细节。

语言模型的参数估计经常使用MLE（最大似然估计）。面临的一个问题是没有出现的项概率为0，这样会导致语言模型的效果不好。为了解决这个问题，需要使用去噪。

广度优先搜索算法中，OPEN表的数据结构实际是一个二叉树，深度优先搜索算法中，OPEN表的数据结构实际是一个二叉表。

图像数字化需要经过的步骤包括采样。

在有监督学习中，我们可以使用聚类“类别id”作为一个新的特征项， 然后再用监督学习分别进行学习

如果SVM模型欠拟合，可以通过减小核系数(gamma参数)来改进模型

基于sklearn用机器学习模型进行数据分析与数据挖掘的关键步骤为load_data()、create_model()、model.fit()、model.transform

循环神经网络BPTT算法，A同一个权重参数，在每个时刻上，都调整一次

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

经过权值和阈值不断迭代调整的过程，就是网络的学习与训练过程

聚类（clustering）是这样的过程：它找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类标记未知的对象类。