SVM支撑向量机（SVM）算法在分类问题中有着重要地位，其主要思想是最大化两类之间的间隔 数据集可分为以下三类： 线性可分 线性不可分，但在去掉少量噪声点后线性可分 线性不可分，完全不可分！ 针对以上三种数据集，发展出来三种 SVM：

OpenPCDet loss utilsSigmoidFocalClassificationLoss这个类实现了 focal loss，关于 focal loss 可以看这篇 知乎，白话来说：focal loss 使用了两个技巧改变 los

D2L 11 优化算法优化和深度学习经验风险是训练数据集的平均损失，而风险则是整个数据群的预期损失 深度学习优化存在许多挑战。其中一些最令人烦恼的是局部最小值、鞍点和梯度消失 鞍点（saddle point）是指函数的所有梯度都消失但既不是

leetcode-diary 剑指offer因为这个题库是大家强推的，所以先刷比较重要的才是更有效率的策略，之后再深入各个板块，leetcode 剑指offer 现在开始每天复习 offer，旨在能够遇到原题时快速写出最优的答案。会在题目之

String对 string 类的题目进行深度学习，重点总结方法，过多的代码就不放出来了 556 Next Greater Element |||leetcode link 这一题的代码写的也是相当丑，题目中其实有两个要求，相当于是求最大中

leetcode-diary 2diary 1 & diary 2 的目的是了解多种题型，没有深入 DFS & BFS在进行刷题之前，有必要小小总结一下深度优先搜索（Depth First Search, DFS）和广度优先