本系列用于推导、记录该系列视频中本人不熟悉、或认为有价值的知识点
本篇记录第一讲（选修）：神奇宝贝分类
如图，为了估算某个样本属于某类的概率，在二分类问题中，我们需要计算红框所示的4个参数，现在进入实例:
如图，我们在ID<400的宝可梦中选出水系和普通系用于训练。首先估计图中所示的2个参数，使用下图右下角红框方法计算即可
现在，为了从训练集中估算出某种测试集中宝可梦出现的机率，需要根据已知的数据估算一个模型，请看图:
先只考虑二维特征的情况，假设此时水系宝可梦的分布是二维正态分布，我们需要找到使该分布最可能符合上图状况的mean和covariance，如下图所示:
有了这2个参数，我们就可以观察出任意输入被sample出的相对几率大小。
怎么找mean和covariance？用Maximum Likelihood！只需找到对应参数，使似然函数
最大即可，具体方法可如下计算:
由此，可分别计算出水系和一般系的水平宝贝的参数如下图：
现在，我们终于可以做分类了，计算依据如下：
所需的各个参数也都有了：
（尽管用概率分布来算概率不太严谨）
由此，可以绘图如下，根据boundary观察分类效果：
二维空间的表现不太好，也许七维空间会更好？我们用同样方法计算出参数：
但最终表现也不太好……我们应该如何改进？
当维度变为七维时，协方差矩阵很大，参数很多，可能出现过拟合。于是我们把两个协方差矩阵弄成同一个，可以减少49个参数。现在，推导省略，见下图：
有了公共协方差矩阵以后，边界也会变成直线（图放不下了），转个人笔记（2）
