机器学习经典图

一下是电脑中存储的机器学习经典图，简单明了地解释了一些基本问题。图片收集自网络，仅供学习和交流。

1. 为什么低训练误差并不总是一件好的事情呢？

答：因为模型的复杂性

2. 低度拟合或者过度拟合的例子

3. 为什么贝叶斯推理可以具体化奥卡姆剃刀原理

答：首先知道奥卡姆剃刀原理：切勿浪费较多东西去做，用较少的东西，同样可以做好的事情。上图已经非常直接：较少的前提条件或许能得到更广泛的结果。

4. 为什么集体相关的特征单独来看时无关紧要？