谷歌机器学习速成课程笔记 6（Generalization-泛化）

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）