1特征决定上限
为什么深度学习火了之后这句话变了？
计算机原理 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2训练集与测试集
为什么不能用训练数据评估？
3验证集
三份数据各干什么？
4线性回归
房价随面积变化，能用它吗？
5损失函数
回归常用什么损失？
6为什么用平方
用绝对值可以吗？
7梯度下降
为什么要"小步"？
8学习率
发现损失来回跳动说明什么？
9梯度是什么
梯度为零意味着什么？
10批量与随机
小批量的好处是什么？
第 2 页 · 正面（题目）
11动手：实现线性回归
动手实现并画出损失曲线。
12特征缩放
面积（百）和房间数（个）不缩放会怎样？
13逻辑回归
为什么不直接用线性回归做分类？
14分类的损失
它和信息论有关系吗？
15决策边界
什么数据线性模型分不开？
16过拟合
怎么发现过拟合？
17欠拟合
怎么区分欠拟合和过拟合？
18正则化
这为什么能减轻过拟合？
19更多数据的力量
没有更多数据怎么办？
20偏差与方差
过拟合是哪个高？
第 3 页 · 正面（题目）
21交叉验证
它的代价是什么？
22准确率不够用
这种情况该看什么指标？
23查准与查全
癌症筛查更该重视哪个？
24F1 与阈值
把阈值调高，两个指标怎么变？
25混淆矩阵
画出它并标出四个格子的含义。
26决策树
怎么决定先问哪个问题？
27信息增益
这又用到了信息论的什么？
28决策树的过拟合
剪枝怎么做？
29随机森林
为什么比单棵树好？
30集成学习
全部一样的模型集成有用吗？