1、 生成學習演算法
例：對惡性腫瘤和良性腫瘤的分類
除了尋找一個將兩類資料區分的直線外，還可以用如下方法：
1)       遍歷訓練集，找到所有惡性腫瘤樣本，直接對惡性腫瘤的特徵建模；同理，對良性腫瘤建模。
2)       對一個新的樣本分類時，即有一個新的病人時，要判斷其是惡性還是良性，用該樣本分別匹配惡性腫瘤模型和良性腫瘤模型，看哪個模型匹配的更好，預測屬於惡性還是良性。
這種方法就是生成學習演算法。
 
兩種學習演算法的定義：
1)       判別學習演算法：
-          直接學習p(y|x)，即給定輸入特徵，輸出所屬的類
-          或學習得到一個假設hθ(x)，直接輸出0或1
2)       生成學習演算法：
-          對p(x|y)進行建模，p(x|y)表示在給定所屬的類的情況下，顯示某種特徵的概率。處於技術上的考慮，也會對p(y)進行建模。
-          p(x|y)中的x表示一個生成模型對樣本特徵建立概率模型，y表示在給定樣本所屬類的條件下
例：在上例中，假定一個腫瘤情況y為惡性和良性，生成模型會對該條件下的腫瘤症狀x的概率分佈進行建模

-          對p(x|y)和p(y)建模後，根據貝葉斯公式p(y|x) = p(xy)/p(x) = p(x|y)p(y)/p(x)，可以計算：p(y=1|x) = p(x|y=1)p(y=1)/p(x)，其中，p(x) = p(x|y=0)p(y=0) + p(x|y=1)p(y=1)

參考：

http://blog.csdn.net/xiahouzuoxin/article/details/45223519

1. C++標準模板庫從入門到精通 

2.跟老菜鳥學C++

3. 跟老菜鳥學python

4. 在VC2015裡學會使用tinyxml庫

5. 在Windows下SVN的版本管理與實戰 

7.在VC2015裡使用protobuf協議

8.在VC2015裡學會使用MySQL資料庫