（一）总览（Landscape）

（1）机器学习范式大观

（2）分类问题的引入

（3）感知机算法

（4）KNN算法

（二）机器学习范式大观

（1）机器学习基本分类

（2）监督 VS 无监督学习

（3）监督学习 VS 强化学习

（4）三大机器学习共通之处

（三）监督学习中分类、回归及特征

（1）分类

（2）如何建立分类特征

（3）数据在特征空间的表示

（四）感知机算法（分类器）

（1）分割超平面

（2）一种生物启发的算法

（3）感知机代价函数（距离d）

    特别注意：求距离是针对错分点进行；距离公式的获得可以参考点到直线的距离公式。

（4）代价函数及优化

随机梯度下降（优化方法），基于每个数据点更新，逐步迭代学习

（5）如何衡量分类误差（二分类问题）

（6）感知机算法的缺陷

       感知机不唯一问题：（逻辑斯蒂回归解决，处理灰色地带）

       线性不可分：（SVM解决）

       点滴分享，福泽你我！Add oil！