如果说五条样本三条正立，计算正立的时不需要乘以C5,3吗？如果不乘的话，那么他的总概率之和加起来应该不会等于1？

如果说五条样本三条正立，计算正立的概率时不需要乘以C5,3吗？如果不乘的话，那么他的总概率之和加起来应该不会等于1？

老师说的正立和负立是不是对应数学里的成功和失败呀，还有伯努利分布前面不是有一个组合数的系数吗？为什么这里没有呢？

老师，我想问下七分四十七秒时那个return a那一行语句是干啥用的，删掉之后为啥就报错了

关于的理解,

我们令分子的函数距离为1，得到最终最优化是等同于min||w||₂,课程25:07到25:13左右大概意思是说“这个对L2范数的最小化相当于对L2正则化进行最小化，可以提高模型的泛化能力"。但是在广义线性回归问题中L2正则化越大则模型的泛化能力越强。这两处感觉理解上有矛盾，该如何理解？

几何距离和函数距离理解感知机和SVM模型问题

    在《统计学方法》中，关于函数距离或者函数间隔的概念是说“一个点距离分离平面的远近可以表示分类预测的程度，在超平面wx+b=0确定的情况下，|wx+b|能够相对表示点x距离超平面的远近，而结果是否和y符合一致表示是否正确”。所以用y(wx+b)表示分类的正确性及确信度。问题1：这可以不可以就理解为感知机模型的解释，因为感知机模型只需要判断θx>0(预测结果)，+1(真实结果)，并不需要具体的距离，所以用函数距离解释即可？

    SVM是基于感知机模型的，它的目标是(1)能正确分类的平面中，(2)距离越近的点越远越好，问题2：因为SVM的最终目标？这样就需要在感知机模型的函数距离基础上用几何距离来解释，因为几何距离能实际表示点与超平面的实际距离(测量距离)？

    在抛开SVM的s.t约束条件下来看，在下式中分母保证了目标(1)，加上分子整体式子保证目标(2)，可不可以这样理解

【非问题】【交流】pickle 4.0 版本模型文件保存

课上好像是老版本的pickle，fft转换正常，但是训练模型的时候会报错，可以参考这样保存模型，在使用模型可以正常读取模型，读取方法不变。有问题的朋友可以参考。

s=pickle.dumps(model) () f:
    f.write(s)

老师好，逻辑回归的梯度下降法怎么实现的呀？唯一的为题就是数据集如何随机

老师，你好，关于繁多的处理算法，我们如何选择某一条算法呢，就比如对鸢尾花数据集，或者保险，又或者其他的一些数据，怎样去选择适合的处理算法

老师，这样η不就是y_hat了吗                                

老师，这里不太明白，这个a为什么必须是大于0呢?
因为后面相乘的式子等于0的话，那前面的a不管是大于0小于0或等于零，那相乘结果都等于0吧？

我自己从网上下载了《无地自容》这首歌，是wav格式，有53mb大小，结果跑出来的结果报错，报的是：memory error。这是为什么呢，望告知。

我打印了fft(X,sample_rate),发现结果是一维数组(22050,)，那么plt.plot(）传入一维数组为什么不报错，不是要传入行和列么？望告知，多谢

这里的多项分布应该是和前面逻辑回归伯努利分布一样都是基于一次实验的情况下吧，因为这样I(y_i)才可以表示概率，因为标签就是0,1，否则应该是表示次数吧

老师，请问为什么SVM会对缺失值比较敏感呢？有对缺失值不敏感的算法吗？