1提升方法
它和随机森林的区别是什么？
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支持向量机
为什么间隔大更好？
3核技巧
同心圆怎么用它分开？
4最近邻
它的代价在哪？
5朴素贝叶斯
"朴素"指的是什么？
6假设不成立却好用
这说明什么？
7聚类
这属于哪一类学习？
8K 均值
它一定收敛吗？
9K 怎么定
k 取样本数会怎样？
10降维
它用了线性代数的什么？
第 2 页 · 正面（题目）
11维度灾难
这对最近邻有什么影响？
12神经网络：一个神经元
去掉非线性会怎样？
13激活函数
为什么简单反而好？
14多层网络
为什么深比宽好？
15万能逼近
这说明理论和实践的什么关系？
16反向传播
它本质上是什么？
17为什么要复用
这和你学过的什么像？
18动手：手推反向传播
动手推一遍。
19动手：实现一个神经网络
动手实现。
20梯度消失
怎么缓解？
第 3 页 · 正面（题目）
21残差连接
这个想法简单吗？
22批归一化
这解决了什么问题？
23丢弃法
这属于什么手段？
24卷积
为什么参数少？
25卷积网络的直觉
这体现了什么思想？
26池化
为什么要容忍位置变化？
27序列数据
为什么顺序重要？
28循环网络
它的问题是什么？
29注意力机制
它怎么算"关注多少"？
30自注意力的代价
这带来什么限制？