CPU 主要通过增加指令，增加核数等方式来
提升 AI 性能。

随机森林的收敛性与Bagging相似，随机森林的起始性能往往相对较好，随着个体学习器数目的增加，随机森林通常会收敛到更低的泛化误差。

要获得好的集成，个体学习器应“好而不同”，即个体学习器要有一定的“准确率”，即学习器不能太坏，并且要有“多样性”，即学习器间具有差异。

线性模型形式简单、易于建模，有很好的可解释性、可理解性。__

方差度量了学习算法的期望预测与真实结果的偏离程度,即刻画了学习算法本身的拟合能力。__

单次使用留出法得到的结果往往稳定可靠。__

把训练样本自身的一些特点当作了所有潜在样本都会具有的一般性质,会导致泛化性能下降。__

“预训练+微调”法以及“权共享”方法都是为了节省训练开销

误差逆传播算法(BP)仅可用于多层前馈神经网络的学习算法

阶跃函数与sigmoid函数均为典型激活函数

逆归结的一大特点是能自动发明新谓词，这些谓词可能对应于样例属性和背景知识中不存在的新知识