朴素贝叶斯公式:求A在B条件下的概率，可以转换为B在A条件下的概率。
Hmm隐马尔科夫:每个输出状态仅仅由当前时刻的输入状态激活;状态之间的转移，仅仅取决于前一时刻的状态。
动态规划:只考虑前后的转移，只需要找首尾还有中间的关系，每一步就是求一小步的最优。分词，词性标注，输入法， OCR ，纠错，语音识别。
线性回归:
逻辑回归(sigmoid):在线性组合的基础上加了个非线性的激活函数，用于解决二分类问题，softmax，用于解决多分类问题。
集成学习(连续模型):针对错误的模型进行训练，设置多个模型，每个模型都有不同的权重，逐层进行逻辑回归、或则其他逐层激活函数~ ，集成学习是一种学习策略，把组合的模型当作初始化模型，组合再组合，就是多层神经网络（MLP）
数学角度:矩阵运算与激活函数的层叠------f(...f(w2f(w1x+b1)+b2)) (里面是线性激活函数，最外面用的是非线性激活函数)
结构角度:"线性组合+激活函数" 组成弱分类器，然后弱分类器进行boosting