看了谷歌机器学习的视频,受益颇多,纯属想记录下免得以后忘了,٩(๑❛ᴗ❛๑)۶
百度百科——“泛化”
细分无需多言,强调的是目标人群的聚焦和集中。细分要求的是准确集中。而泛化则相反,无限扩大目标人群,虽针对某一种疾病,却试图将搭点边的人群都一网打尽。 泛化则要求分散、要求“广”和“多”。
如果从市场营销的角度来说,还有一种品牌泛化的概念。一种品牌用来包装很多商品,没有确定该品牌所代表哪一种细分商品,使得该品牌对一种商品的代表性和针对性及专业性大大降低,但同时能扩大被泛化品牌的知名度。泛化或细分品牌是根据品牌战略而定的。
很多情况下,也许数据样本并不是分类分的比较清楚的,如下图:
现在我们可以尝试构造一线性模型(画一条线,把红点和蓝点分开到两边),对垃圾邮件和非垃圾邮件样本进行某种程度的区分。 但是,如果仍画直线,无论怎么画都不能完全分开他们,我们可能会尝试一种更聪明的方法,以针对训练数据获得完全准确的结果——绘制一条更为复杂的线(曲线):
…..But,如果有收到了一些邮件(再随机画上一些点),如下图,我们发现该条线(线性模型)并不能对这些新的点也分类,也就是说,这个线性模型过拟合了训练数据(上一幅图的点)而无法很好的对新数据继续进行分类。
所以,我们知道,如果模型过于复杂,那么过拟合就真的会成为问题,
我们回过头来,从整体上看看在机器学习中我们究竟在尝试做些什么。
(直接上图吧,就这样)