Littlest things

主要是回顾《统计学习方法》第一章的内容，从比较宏观的角度讲了学习一个机器学习方法所要把握的各个方面，有了这些基础知识后，才渐渐理解当初看Andrew Ng的视频里那一个个公式出现的意义，以及解决一个实际的机器学习问题需要做哪些事情。流程统计学习三要素交叉验证与模型选择正则化的参数选择1. 监督学习的一般流程输入一个带标签的训练集；确定要学习的模型，即常说的假设空间（假设函数）；确定模

1. 模型评估与模型选择在实际应用中，针对具体的监督学习问题，为了评估所训练出的模型是否有较好地泛化能力，可以把数据集切割成训练集和测试集两部分(注意使训练集和测试集中均含有各种类型的数据)。用训练集在各种条件下(如：不同的参数个数)训练模型，学习出其参数后，再在测试集上评价各个模型的测试误差。选择测试误差最小的模型。引用Andrew Ng的机器学习课程中的一个例子进行说明。 假设要在10个不同