Python使用（ ）符号标示注释。

Gini指数越大表示集合中被选中的样本被分错的概率越小，也就是说集合的纯度越高。

数据集太小，数据样本不足时，深度学习相对其它机器学习算法，有明显优势。

Kmean模型能自动生成K个聚类中心

KNN不需要进行训练

LR的损失函数为hingeloss（或者说是逻辑损失都可以）、而SVM的损失函数为Log损失。

LR更侧重全局优化，而树模型主要是局部的优化。

随机森林等树算法都是非线性的，而LR是线性的。

LSTM用加和的方式取代了乘积，使得很难出现梯度弥散。

池化的方式可以大范围的减少输出尺寸

dropout方法在预测过程中keep_prob=1