Softmax函数在多分类问题中的应用主要体现在将模型的输出转换为概率分布。对于给定的输入向量，softmax函数会计算每个类别的指数化得分，并通过归一化使得所有类别的得分之和为1，从而得到每个类别的概率。这些概率可以直接用于分类决策，如选择概率最大的类别作为预测结果。

当所有数据隶属的簇不再发生变化的时候可作为kmeans方法停止循环的指标。

高斯核属于支持向量机常用的核函数。

SVM中核函数的作用是将数据从原始空间映射到更低维的特征空间，使得原本线性不可分的数据在特征空间中变得线性可分。

几何特征抽取法和提取文字的一些特征无关。

特征值分解是一种常见且重要的线性代数运算，用于将一个矩阵分解为一组特征向量和对应的特征值。

在随机森林模型中，增加树的数量会增加模型的复杂度，最终导致模型过拟合。

Faster R-CNN是自然语言处理模型。

关联规则挖掘的算法主要有Apriori 和FP-Growth。

sigmoid函数的输出不是0均值，这会导致后一层的神经元将得到上一层输出的非0均值的信号作为输入，随着网络的加深，会改变原始数据的分布趋势。