gorden5566

Java 线程共有 6 种状态，在任意时刻只能处于其中一种状态，随着代码的执行状态也会发生变化。

单例模式确保一个类只有一个实例，并且为该实例提供全局的访问方式。其实现方式有多种，每种实现方式均有自己的特点。

GoF提出的设计模式共有23种，根据目的的不同可以分为3大类：创建型、结构型和行为型。

对于线性可分的数据集，感知机学习算法的原始形式是收敛的。也就是说，经过有限次的迭代，可以找到一个将数据集完全正确划分的分离超平面。

感知机算法是<统计学习方法>这本书讲的第一个机器学习算法，据说是最简单的机器学习算法。这里参考书中的例子，使用程序实现该算法，以便加深理解。

本节首先介绍函数间隔和几何间隔的概念，进而引出最优间隔分类器和拉格朗日对偶，最后介绍核函数和SMO algorithm

前面讲到的学习算法都是对 $p(y|x;\theta)$ 建模。例如逻辑回归算法对 $p(y|x;\theta)$ 建模得到 $h_\theta(x)=g(\theta^Tx)$ (其中g是sigmoid函数)，直观上可以理解为：找到一条直线，将数据集划分为$y=1$和$y=0$两种，对新的输入，根据结果落在直线的哪一侧预测为对应的分类。这种叫做判别学习算法

前两节分别介绍了一个回归模型和一个分类模型，其中线性回归中假设概率分布为 $y|x;\theta \sim N(\mu, \sigma^2)$，二分类中假设概率分布为 $y|x;\theta \sim Bernoulli(\phi)$。这两种模型都是广义线性模型(Generalized Linear Models)的特殊情况。

二分类(binary classification)是最简单的一种分类问题，$y$ 的取值只有两种：0和1，对应的样本分别称为负样本和正样本。逻辑回归(Logistic regression)可用于处理二分类问题。

俗话说好记性不如烂笔头，看过的东西很快就会忘了，记录下来一方面会增强记忆，另一方面也方便查阅。这里根据css229视频和讲义简单做下笔记。