u011646912的博客

机器学习L1和L2正则的区别，以及它们各自的性质 如何解决样本不均衡问题 特征降维和特征选择 PCA、SVD、LDA做特征降维 特征选择 https://www.zhihu.com/question/28641663/answer/110165221 Filter 方差选择法 相关系数法 卡方检验 互信息法 Wrapper ...

1.思维导图2.参考资料(1)https://github.com/NLP-LOVE/ML-NLP/tree/master/Project/18.%20Intelligent%20Customer%20Service(2) 《智能客服机器人之客户服务行业最佳实践》，Gartner...

本系列博客是笔者为了记录学习机器学习过程中的疑问点，可能没有系统性，以问题记录为主。

1.解析解与近似解2.为什么采用梯度下降求解而不是矩阵运算

1.什么是偏差，什么是方差？偏差和方差指的是训练好的机器学习模型在测试集上的误差，偏差指的是与测试集结果的准，方差指的测试集预测结果的稳定性，也就是确。2.什么是欠拟合，什么是过拟合？欠拟合：在训练集和测试集上准确率都低过拟合：在训练集上表现非常优异，在测试集上准确率非常低3.欠拟合、过拟合与偏差、方差的关系？偏差大，方差小：欠拟合偏差小，方差大：过拟合4.如何...

机器学习中，如果参数过多，模型过于复杂，容易造成过拟合（overfit）。即模型在训练样本数据上表现的很好，但在实际测试样本上表现的较差，不具备良好的泛化能力。为了避免过拟合，最常用的一种方法是使用使用正则化，例如 L1 和 L2 正则化。但是，正则化项是如何得来的？其背后的数学原理是什么？L1 正则化和 L2 正则化之间有何区别？本文将给出直观的解释。1. L2 正则化直观解释L2 正则...

数据有噪声 训练数据不足，有限的训练数据 训练模型过度导致模型非常复杂注1：L1和L2正则化解决原因1和2导致的过拟合问题，无法解决训练数据不足带来的过拟合注2：详细解释可参考https://zhuanlan.zhihu.com/p/26122044...