主题：【原创】抛砖！模式识别和机器学习、数据挖掘的区别与联系 -- 永远的幻想

其实我在前面说为什么工科人还能混，已经说到这个了，但是没地方展开说了。

那个流程图里的“数据表示”，其实不仅仅是“量化编码”的软硬件需要背景知识，还有“特征选择”其实也是要背景知识的。

针对特定问题下得到的训练数据，构造、选取什么样的特征，直接关乎识别结果，这个比后面用什么样的ML算法还要关键。你的原始特征下是严重不可分的样本，或者是非凸的，你“没这点概念”（这个词用得太恰当了），不进行预处理，就送进一个凸优化寻优的算法，结果是可想而知的。

这就是我推荐的第一本书里提到的“没有天生优越的分类器”定理。没有一个万能方法能通吃各种数据。NN SVM确实分别以“误差低”和“在样本不可分情况下误差低”而著称，但是也不是万能的。