m0_60444839的博客

（3）模型表现效果：过拟合（所建的机器学习模型在训练样本中表现得过于优越，导致在测试数据集中表现不佳）、欠拟合（模型学习太粗糙，连训练集中样本数据的特征关系都没有学出来）（2）数据分割：机器学习的数据集一般划分为训练数据（用于构建模型）和测试数据（用于模型评估）两个部分，划分比例一般为7:3、4:1、3:1。（1）监督学习：输入数据由特征值和目标值组成，函数的输出（目标值）可以是一个连续的值（回归）或是有限个离散值（分类）（3）半监督学习：训练集同时包含有标记（有目标值）数据和未标记（没有目标值）数据。