复习一下
1.优先覆盖基础知识点，包括选择题、要点、算法基本步骤和原理等
2.其次，手撕算法
其它：[[CV]]

算法

[[k近邻算法，KNN算法]]
[[朴素贝叶斯算法NB]] TO PERFICT
[[决策树]] TO PERFICT
[[条件随机场]]
[[boosting算法对比]]
[[HMM]]
[[MEMM]]
[[关联规则挖掘方法]]
[[logistic回归]]

采样

[[采样方法]]
[[抽样方法]]

特征工程

[[高基数离散特征对于树模型和神经网络模型的影响大小]]
[[ID 特征的处理]]

交叉检验

[[交叉验证]]

习题

[[ML习题和零散知识点]]
[[生成式模型VS判别式模型]]
[[kd树]]
[[ANN（近似最近邻搜索）]]
[[BP神经网络 VS 感知机]]
[[ML面试问题排查]]
[[结构风险最小化 VS 经验风险最小化]]

[[Apriori算法]]

正则化是模型选择的典型方法，也是结构风险最小化策略的实现

结构风险最小化旨在解决机器学习模型的过拟合问题。其核心思想是在经验风险（训练误差）和模型复杂度之间寻求平衡，以最小化模型的总体风险（即泛化误差）。

想法

[[条件概率查找表]]