1.分类的应用
信用评分、医疗诊断、手写字体识别、人脸识别……
分类就是输入参数，通过某种模型计算后，输出所属类别：
仍然用“pokemom”的例子，每只宝可梦有6个参数，下面是皮卡丘的参数值：
2.Ideal Alternatives
3.How to do Classification
用一次线性分类比较容易实现，但是特殊数据集会使结果产生error：
通过在两个盒子中摸球的例子，考虑二分类思想。
先只考虑宝可梦的两个特征。
4.Gaussian Distribution（高斯分布）
不同的μ和Σ决定不同的高斯分布情况。
最大似然
动手计算（两个特征）：
利用2个特征求出的分类结果并不理想，用6个特征分类的结果仍不好。
5.优化模型
动手实现新的模型，分类效果提升。
Three steps:
简化函数
其实可以得到一个类似于线性的关系，这样更容易理解。（推导过程略）
