异常检测（Anomaly Detection）是机器学习算法的一个常见应用。它主要用于非监督学习，但又类似一些监督学习问题。异常检测常用在对网站异常用户的检测；还有在工程上一些零件，设备异常的检查；还有机房异常机器的监控等等

降维是机器学习中很重要的一种思想。在机器学习中经常会碰到一些高维的数据集，它们会占用计算机的内存和硬盘空间，而且在运算时会减缓速度。降维能够使得数据量被压缩，加快运算速度，减小储存空间，以及方便可视化的观察数据特点。

了解非监督学习的概念，以及聚类算法中常用的K均值算法的使用。

了解核函数的概念，高斯核函数的公式，以及核函数在支持向量机算法上的应用。

了解分类算法中一种强大的算法，支持向量机。以及它的代价函数说明。

如何解决偏斜类问题，查准率和召回率的定义以及使用，以及使用F值来判断一个学习算法的性能。

了解如何选择学习算法，以及对学习算法的优化，在使用学习曲线的情况下，判断高偏差和高方差，以及对其的解决办法。

在使用神经网络时的一些操作，比如参数展开，还有随机初始化参数以及使用梯度校验验证反向传播的正确性。

了解神经网络的代价函数，还有对代价函数求导的方法，反向传播算法的使用过程。

在解决分类问题时，可以用逻辑回归算法，但当解决复杂的非线性分类器时，这并不是一个好的选择。如果用逻辑回归来解决，首先要构造一个包含很多非线性项的逻辑回归函数。使用逻辑回归会构造一个s型函数$g$。当多项式足够多，足够复杂，会有一个非常扭曲的决策边界。这可能会出现过拟合的情况。