机器学习随想（一）

为什么分类处理成-1,1

我好像突然明白了为什么要分类为正负1，因为sigmond函数其实真是的区分度是0值，其上是分割线的右边，多是大于0，其下都是小于0，值其实是连续的，但是完全可以通过正负号来进行分类区分。所以分类一般倾向于通过正负1来搞，而不是0，1，；在python中sign函数就是用来获取结果集中的正负号，获取的就是正负1。

关于方差和偏差

方差是观测值（样本值）的离散程度的描述，公式为特征值和特征均值（期望）只差的平方。相关的另外一个概念就是偏差（bias），偏差则是描述模型值和真实值（观测值）之间的差距。