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 1 页 · 背面（答案）
参考答案（家长）：对数据的小扰动更不敏感。
参考答案（家长）：森林是并行独立训练，提升是串行逐步纠错。
参考答案（家长）：预测时要和所有样本比较，数据大了很慢。
参考答案（家长）：加一维"到原点的距离"，就能用平面切开。
参考答案（家长）：模型的价值看实际效果，不只看假设是否严格成立。
参考答案（家长）：指那个通常不成立的独立性假设。
参考答案（家长）：一定收敛，但可能收敛到局部最优。
参考答案（家长）：无监督学习。
参考答案（家长）：特征值与特征向量。
参考答案（家长）：每点自成一类，损失为零但毫无意义。
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 2 页 · 背面（答案）
参考答案（家长）：多层叠起来还是线性的，等于白叠。
参考答案（家长）：所有点的距离都差不多，"最近"失去意义。
参考答案（家长）：深层能复用底层特征，参数效率高得多。
参考答案（家长）：计算快、梯度不容易消失。
参考答案（家长）：求导的链式法则加上动态规划式的复用。
参考答案（家长）：存在性定理不告诉你怎么找到它。
参考答案（家长）：推过一次，后面用框架时才知道它在做什么。
参考答案（家长）：记忆化搜索，避免重复计算子问题。
参考答案（家长）：换激活函数、加归一化、用残差连接。
参考答案（家长）：几十行就能到 90% 以上准确率。
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？
第 3 页 · 背面（答案）
参考答案（家长）：层与层之间输入分布不断漂移导致的训练困难。
参考答案（家长）：极简单，但它让网络从几十层做到了上百层。
参考答案（家长）：同一个窗口在全图共享，不用每个位置一套参数。
参考答案（家长）：正则化，防止过拟合。
参考答案（家长）：猫在图片左边还是右边，都还是猫。
参考答案（家长）：分层抽象，你在软件工程里也见过。
参考答案（家长）：太长的依赖记不住，且没法并行训练。
参考答案（家长）："狗咬人"和"人咬狗"字一样意思完全不同。
参考答案（家长）：序列太长时计算和显存都吃不消。
参考答案（家长）：算相似度再归一化成权重，本质是点积加权。