qq_43554281的博客

原创 《西瓜书》第一、二章笔记

因此，我们应该让学习器尽可能地从训练集中学出普适性的“一般特征”，这样在遇到新样本时才能做出正确的判别。从数据学得模型的过程称为“学习”，学得模型称为假设（hypothesis），这一过程是为了找出对应关于数据的某种潜在规律（真相，ground truth）：广义的归纳学习大体相当于从样例中学习，而狭义的归纳学习则要求从训练数据中学得概念，因此亦称为概念学习或概念形成。学习能力过强，以至于把训练样本所包含的不太一般的特性都学到了，称为：过拟合（overfitting）P：计算机程序在某任务类T上的性能。