机器学习面试题库：11-20题（2day）
势函数：主要用于确定分类平面，其思想源于物理。
特征降维方法主要有：
主成分分析：PCA
线性判别分析：LDA
矩阵奇异值分解：SVD，SVD和PCA类似，也可以看成一种降维方法
LASSO：通过参数缩减达到降维的目的
小波分析：有一些变换的操作降低其他干扰可以看做是降维
拉普拉斯：请看这个http://f.dataguru.cn/thread-287243-1-1.html
A: 对数几率回归其实是设计用来解决分类问题的
B: 对数几率回归可以用来检验模型对数据的拟合度
C: 虽然对数几率回归是用来解决分类问题的，但是模型建立好后，就可以根据独立的特征，估计相关的回归系数。
马氏距离：基于卡方分布的，度量多元outlier离群点的统计方法。
变量的不确定性越大，熵值就越大，变量的不确定性越大，变量的信息量越小。
最大熵模型：承认已知的事物（知识），对未知事物不做任何假设，没有任何偏见。概率平均分布等价于熵最大，知道的越多，不确定性越小。
可以评估无监督学习方法：通过无监督学习的指标。