吃瓜教程-Task1（第1、2章）

 1.学习记录

1.1 问题的类型：当预测的是离散值，如“好瓜”，“坏瓜”，称之为“分类”（classification）；当预测的是连续值，如瓜的成熟情况0.51.0.84，称之为“回归”（regression）。当对数据进行潜在未知概念的分组时，称之为“聚类”（clustering），这能分析数据的内在规律。

1.2 “奥卡姆剃刀”（Occam's razor）：若有多个假设与观察一致，则选择最简单的那个

1.3 没有免费的午餐定理（NFL定理）：所有问题出现情况相同时，不同的学习算法，其期望性能相同

1.4 多数学习算法需要“调超参”

2.疑惑存留

2.1 式（1.1）-（1.3）的推导

3.自己的理解

3.1 在调整“超参”中，如果修改常用“超参”后，还是不能得到较优的效果，如何进一步提升学习效果？更换优化器、Loss函数、模型框架？