? 机器学习基础系列专栏
整合网路上各种资源
归纳总结于Machine_Learning_Basic系列
? Index
奥卡姆剃刀原理
过拟合与欠拟合
偏差与方差
深度学习中的偏差与方差
偏差与方差的权衡
导致偏差与方差的原因
机器学习类型
有监督学习
无监督学习
半监督学习
强化学习
生成模型和判别模型
两者之间的联系
两者的优缺点
两者常见的模型
先验概率和后验概率
条件概率
先验概率
后验概率
贝叶斯公式
? 奥卡姆剃刀原理
Occam’s Razor and Overfitting,即奥卡姆剃刀原理,指的是对训练数据最简单的解释就是最好的,训练的模型可能越简单越好,即如果有2个模型的效果效果差不多,那选择简单的那个。
? 过拟合与欠拟合
教科书式定义:为了得到一致假设而使假设变得过度严格称为过拟合。
通俗来说,就是对你输入的数据进行了非常严格的拟合,但模型的复用性不强,在测试集上效果差,模型泛化能力弱。大家可以看下下图。
? 偏差与方差
《机器学习》 2.5 偏差与方差 - 周志华
偏差与方差分别是用于衡量一个模型泛化误差的两个方面;
模型的偏差,指的是模型