第一章

  1. 最大似然估计 - 维基百科，自由的百科全书 概率论学了好久这个概念还是不太明白，在记一下。

  2. 正则化的概念：机器学习之正则化（Regularization） - Acjx - 博客园

  3. 模型复杂度：7.2 偏差，方差和模型复杂度 - ESL CN

第二章 感知机

  1. 法线 - 维基百科，自由的百科全书 ，如何理解和相信超平面还是一个难点。
  2. 比较通俗易懂的讲解感知机 【机器学习基础】从感知机模型说起 - 简书
  3. 算法实现 基于Iris数据集训练感知机模型 · Python机器学习
  4. 读数据用到的库。Python Data Analysis Library — pandas: Python Data Analysis Library
  5. 虽然没看明白怎么证明的，但是感知机收敛，收敛通俗来说就是有解，但是不一定是唯一解。感知机的初始点选择不同会最终影响最优解的产生。
  6. 同样，感知机不适合非线性可分，这里的线性可分是一个超平面的概念。