机器学习定义：计算机程序在经验（E）学习中，优化算法的性能（P）。
用机器学习先明确目标：在什么样的假设情况下解决什么问题。
用模型前要假设数据分布。
分类和回归的区别是离散还是连续。
在特征互相独立时，朴素贝叶斯是最优分类器。
0频问题：某些事件一次也未发生，在用贝叶斯统计时候，就会出现概率为0的问题。违背朴素贝叶斯基本假设，输出依赖于所有假设。
解决方法：数据平滑。
拉普拉斯估计：每个计数都加一。会引发的问题，在小数据量的时候就会严重偏离真实概率。图灵估计。r*=(r+1)·n(下标r+1)/n(下标r)。nr是历史数据中发生r次的时间的个数。
贝叶斯要好好研究。
聚类目标：簇内相似，簇间差异。
k均值的问题：k选几，k的初始位置，距离算法。
协同过滤本质也是聚类。
数据预处理可以用图形化去离群值。
连续数据离散化可以分段打标签，比如年龄段。
解决正负样本不均：
正：负，一般，2:1,3:1
方法：
超采样，量少的重复。低采样。
用模型前要假设数据分布。
