很多ML模型用的都是数值特征，那么对于分类特征，该怎么做呢？
以linear network为例：先对特征进行转换，转换成有意义的特征后，再对其进行线性组合
进一步，模型可表示为：使Ein最小，我们就能知道如何转换特征，如何组合线性模型。
以给电影打分为例，我们实际上要做的，就是从已有评分中，学习到特征V(观影人的喜好）和W（电影的类型）
对Ein的优化，可以通过先固定一个变量进行：
将矩阵分解和linear autocoder进行对比：一个可以降维，一个可以提取出隐藏特征。
用SGD来做矩阵分解：
Coursera台大机器学习技法课程笔记15-Matrix Factorization
原文：http://www.cnblogs.com/573177885qq/p/4711119.html