A、EM是一种迭代算法，用于含有隐变量的概率参数模型的最大似然估计或极大后验概率估计。最大优点是简单和稳定，但与
梯度下降一样，容易陷入局部最优。
B、SVM对缺失数据敏感，所以噪声鲁棒性不是很好。
噪声鲁棒性好要数神经网络。
C、过拟合往往是因为训练
数据太少而导致。
D、训练数据越多，拟合度越好，训练误差和测试误差距离自然越小。
E、矩阵计算，矩阵维度低的先相乘效率更高
标签：误差,零散,机器,训练,噪声,鲁棒性,矩阵,拟合,2.2
来源： https://www.cnblogs.com/allenm/p/15603520.html