qq_44936246的博客

模型产生过拟合的现象表现为：在训练集上误差较小，而在测试集上误差较大。并且之所以产生过拟合现象是由于训练数据中存在一定的噪音，而我们为了尽可能的做到拟合每一个样本点（包括噪音），往往就会使用复杂的模型。最终使得训练出来的模型很大程度上受到了噪音数据的影响，例如真实的样本数据可能更符合一条直线，但是由于个别噪音的影响使得训练出来的是一条弯曲的曲线，从而使得模型在测试集上表现糟糕。因此，我们可以将这一过程看作是糟糕的训练集导致了糟糕的泛化误差。但仅仅从过拟合的表现形式来看糟糕的测试集（噪音多）也能导致糟糕的.

机器学习简单的来说，分为监督式学习和无监督式学习；对于监督式学习就是需要人为的来告诉计算机这是什么，需要我们给他一个标签（答案）。无监督式学习就是不需要我们给出标签（答案）。图像识别（Image Recognition）是指利用计算机对图像进行处理、分析、计算以识别各种不同模式的目标和对像的技术。手写数字识别是机器学习以及学习CNN的一个入门案例，计算机通过手写体写出来的数字来识别出图片中的字；但是与印刷字体不同的是，印刷体的字体规则整齐，而不同人的手写体风格迥异，大小不一， 造成了计算机对手写识别