https://zh.d2l.ai/chapter_multilayer-perceptrons/environment.html
上述算法依赖于一个重要的假设： 需要目标分布(例如，测试分布)中的每个数据样本在训练时出现的概率非零。请问这里应该怎么理解？
我觉得是这个公式决定的吧，要不然重要性权重就变成无穷大了
标签偏移那，混淆矩阵C是怎么得到的啊？没看明白
正如我们向他们解释的那样，用近乎完美的精度来区分健康和患病人群确实很容易。 然而，这是可能因为受试者在年龄、激素水平、体力活动、 饮食、饮酒以及其他许多与疾病无关的因素上存在差异。 这对检测疾病的分类器可能并不适用。 这些抽样可能会遇到极端的协变量偏移。
区分容易是因为无关因素有差异吗？不应该是无关因素差异越小越容易区分吗？另外抽样遇到协变量偏移是相对于什么而言的？是因为大学生的特征相对于一般健康男性发生了偏移吗？还是说用大学生作为健康样本训练出来的模型，用在测试所有其他病人时会遇到协变量偏移的情况。
意思是说区分正负样本容易，因为正负样本在一些无关变量上差异很大。但是这些变量实际上和疾病预测无关，对预测疾病没有帮助。模型只是区分了年轻人和老年人而不是健康人和患者。
第二题是不是构建一个二分类，训练后得到的函数是h(x)，若对于任意的x来源于训练集都有h(x)=0，那么就没有偏移，反之则发生了偏移