时隔几年，再次阅读此书学习统计学习，仍然很有收获，这里列出来阅读过程中的一些问题，之后有答案了再另写一篇文章。
-
感知机如何判断线性可分？学习（优化）过程中根据迭代次数判断过于低效？
-
Naive Bayes 的贝叶斯估计的先验分布是什么？怎么理解？从结论看很合理，推理的过程是从结论推导先验分布？
-
决策树的最优树结构为什么是NP问题？
-
决策树的几个算法 ID3 和 CART 的选择特征逻辑非常像，信息增益/Gini系数，有无本质区别？CART剪枝不用选择 a 超参数的性质是否适用于 ID3？
-
决策树的开源库 XGBoost, LightGBM 的单个树生成算法选择了哪个？为什么？
未完待续。
标签：ID3,CART,学习,算法,先验,方法,统计,决策树 From： https://www.cnblogs.com/lessmore/p/statistic_ml_problems.html