#机器学习 (5 posts)

从概率角度定义「最优分类」：最小错误率与最小风险两套准则，以及它们如何在 0-1 损失下统一

从「哪个参数最可能生成这批数据」出发，推导常见分布的 MLE，并讲清估计为何会有偏、N-1 修正从何而来

从「最大间隔」的几何直觉出发，一步步推到对偶问题与 KKT，讲清「支持向量」为何是少数、软间隔如何容噪

「最大方差」与「最小重建误差」两个看似无关的目标，为何都归结到协方差矩阵的特征分解；以及 PCA 与 LDA 的分工

无监督聚类的代表算法：从准则函数到交替优化，它为何收敛、与 GMM/EM 是什么关系、K 怎么定