水很深的深度学习 机器学习篇

机器学习分为有监督学习（分类和回归）和无监督学习（聚类和降维）

从数据中学习出模型的过程，成为训练或者学习

测试集：用来测试模型泛化能力

误差分析：误差指的是算法实际预测输出与样本真实输出之间的差异

模型在测试集上的误差为测试误差；训练集误差为训练误差，总体样本误差为泛化误差

过拟合                                                                                 欠拟合

 自己的理解是方差是评价样本离散程度，偏差是期望输出与真实样本之间差距，

距离靶心距离近偏差低，反之偏差较大，然后根据样本离散程度分析方差大小，

低偏差，高方差，模型为属于过拟合，过拟合应该减少模型复杂度

高偏差，低方差，模型属于欠拟合，适当增加网络复杂度

K折交叉验证：自己理解

 就是说每次训练的训练集和测试都不允许重复，无重复抽样。根据平均值返回结果