首先回顾了几个Linear Model的共性：都是算出来一个score，然后做某种变化处理。
既然Linear Model有各种好处（训练时间，公式简单），那如何把Linear Regression给应用到Classification的问题上呢？到底能不能迁移呢？
总结了如下的集中Linear Model的error functions的表达式：
这里都提炼出来了ys这一项，y表示需要更正的方向{+1，-1}，s表示需要更正的幅度（score）
三种error function可以这么理解：
（1）0/1 error : 幅度s固定，y表示方向
（2）square error : y很正或很负，error都非常大(注意这里只需要y很大或很下，error就收不住了)；只有当ys很接近1的时候，error才可能接近0
（3）cross-entropy error : 如果ys很负的话，那么error就无穷大；如果ys很正的话，那么error无限接近0
再画出几种model的error function，可以看到：
（1）square error是不太合适的，ys>>1的时候，error衡量的过了，不合适。
（2）cross-entropy error也不太合适，因为在0到-1之间位于0/1 error下面了
如果想合适的话，可以对cross-entropy进行放缩：把ln换成log2，就OK了。
这里有个Point值得关注，为啥要放缩呢？错误率低不是更好么？
其实这跟目的有关：
（1）首先我们的目的是要用regression来代替classification（为啥要替代？因为PLA/Pocket是NP-hard的问题，不好整；而Linear Model在最优化之后，求解比较容易了），如果regression和classification在性能上差不多，那就可以替代了。
（2）因此，我们把cross-entropy error来scale成0/1 error的upper bound，目的就是让cross-entropy error低的时候，0/1error也低，放缩一下是为了说bound住这个事情。
再简单些就是说，如果实际中linear model用regression给出来的方法分类效果好，那么PLA/Pocket分类效果也好。
接下来对比了PLA、Linear Regression 和 Logistic Regression的方法优缺点：
（1）PLA：线性可分时候很犀利；如果不可分，那就只好Pocket
（2）Linear Regression：最优化可以求出来analytics close solution；但是当|ys|很大的时候，positive direction和negative direction的bound都太松太松了
（3）Logistic Regression：gradient descent可以求解；但是negatvie direction方向bound比较松
总结一些实际经验：linear regression可以作为PLA/Pocket/Logistic Regression的初始值设置。
接下来讲了一种Stochastic Gradient Descent的方法：
（1）原来是所有点在算梯度，然后取平均，再更新w；随机梯度下降，是不用每次算所有点了，每次算一个点，用这个点代替所有点的平均。
（2）敢这么做的原因：是因为 stochastic gradient = true gradient + zero-mean ‘noise‘ directions；因为是zero-mean的noise，所以可以得到average true gradient ≈ average stochastic gradient
（3）SGD方法在logistic regression的应用公式，非常像PLA的公式
（4）从实际情况出发，一般迭代次数达到一定，可以认为SGD已经获得了最佳的结果；ita在实际经验中，一般取值为0.1左右合适。
随后，由binary classification问题延伸到了multiclass的问题，总体来说有两种方法：
1. One-Versus-ALL (OVA) Decomposition
意思就是
（1）每次把一个class和非这个class的当成目标两类，用logistic regression分这两类
（2）分类时输入某个点，然后看这个点上取哪一类的概率最大
这里有一点点儿问题：（2）点中不一定所有类别的概率和是1，虽然实际中影响不大，但是统计学的还是有严谨的方法（multinomial logistic regression）
当类别很多的时候（比如，K=100）那么，每次用logistic regression的时候，正样本和负样本的差别非常大，这样不容易得出正确结果。
为了解决OVA的unbalance问题：每次只取两个类，一共有K类，做C(K,2)次logistic regression就OK了；当给一个输入点的时候，用这C(K，2）个分类器给所有K个类别投票，取票数大的作为输出结果。
这种方法的缺点是：可能效率会低一些（K次变成C(K,2)次）。
但是，如果类别很多，每一类的样本量都差不多的时候，其实OVO的方法不一定比OVA方法效率低。
