SVM（Support Vector Machines）是分类算法中应用广泛、效果不错的一类。本文将SVM可分类为三类：线性可分（linear SVM in linearly separable case）的线性SVM、线性不可分的线性SVM、非线性（nonlinear）SVM。

决策树是一个预测模型，它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的 某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出，若欲有复数输出， 可以建立独立的决策树以处理不同输出。

分类在机器学习中的应用非常重要，因为计算机其实无法深层次地理解文字图片目标的意思，只能回答是或者不是。所以让计算机知道 数据的含义是很重要的。今天我们一起来看看机器学习中常用的分类算法。

在计算机人工智能领域，距离(distance)、相似度(similarity)是经常出现的基本概念，它们在自然语言处理、计算机视觉等子领域有 重要的应用，而这些概念又大多源于数学领域的度量(metric)、测度(measure)等概念。今天我们一起来汇总一下。

在调整模型更新权重和偏差参数的方式时，你是否考虑过哪种优化算法能使模型产生更好且更快的效果？应该用梯度下降，随机梯度下 降，还是Adam方法？今天我们来看看不同优化算法之间的主要区别，以及如何选择最佳的优化方法。