1、 生成学习算法
例：对恶性肿瘤和良性肿瘤的分类
除了寻找一个将两类数据区分的直线外，还可以用如下方法：
1)       遍历训练集，找到所有恶性肿瘤样本，直接对恶性肿瘤的特征建模；同理，对良性肿瘤建模。
2)       对一个新的样本分类时，即有一个新的病人时，要判断其是恶性还是良性，用该样本分别匹配恶性肿瘤模型和良性肿瘤模型，看哪个模型匹配的更好，预测属于恶性还是良性。
这种方法就是生成学习算法。
 
两种学习算法的定义：
1)       判别学习算法：
-          直接学习p(y|x)，即给定输入特征，输出所属的类
-          或学习得到一个假设hθ(x)，直接输出0或1
2)       生成学习算法：
-          对p(x|y)进行建模，p(x|y)表示在给定所属的类的情况下，显示某种特征的概率。处于技术上的考虑，也会对p(y)进行建模。
-          p(x|y)中的x表示一个生成模型对样本特征建立概率模型，y表示在给定样本所属类的条件下
例：在上例中，假定一个肿瘤情况y为恶性和良性，生成模型会对该条件下的肿瘤症状x的概率分布进行建模

-          对p(x|y)和p(y)建模后，根据贝叶斯公式p(y|x) = p(xy)/p(x) = p(x|y)p(y)/p(x)，可以计算：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)

参考：

http://blog.csdn.net/andrewseu/article/details/46789121

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

http://blog.csdn.net/tanhongguang1/article/details/45016421

http://blog.csdn.net/wsj998689aa/article/details/40303561

http://blog.csdn.net/u013802188/article/details/40402013

1. C++标准模板库从入门到精通 

http://edu.csdn.net/course/detail/3324

2.跟老菜鸟学C++

3. 跟老菜鸟学python

4. 在VC2015里学会使用tinyxml库

5. 在Windows下SVN的版本管理与实战 

 http://edu.csdn.net/course/detail/2579