一、机器学习的算法和普通《算法导论》里的算法有什么本质上的异同
普通算法不是学习型算法，机器学习算法是让计算机学习，分为监督学习，无监督学习和半监督学习
二、svm在多类分类算法中的分析和应用
SVM是Support Vector Machine 的缩写，翻译过来就是支持向量机，属于一种机器学习算法，类似于人工神经网络，但是分类的效果好于神经网络，而且算法固定，不会出现网络输出不收敛或者随机性较大的情况。
svm本身是一个二元分类器，你要进行多元分类，必须构造多分类算法，常见的是 一对一 和 一对多 算法。网上关于支持向量机的论文很多，常用的计算工具有基于 MATLAB 的 OSU-SVM 工具包 和 LS-SVM 工具包，效果都还不错。
三、机器学习算法中调参是什么？
是指类似于learning rate的参数，还是指theta?
如果是后者用梯度下降法等就可以调参，如果是前者麻烦一点，需要判断一下，也可以可变参数，如果该参数工作效果没有再高过以前的精准度并且过10次（也可以是其它次数），那么就判断该learning rate为最好的。
