【DL-李宏毅2020筆記-02】迴歸與分類（樸素貝葉斯與邏輯迴歸）

迴歸 1. 模型建立 模型：這裏爲線性模型； 衡量模型好壞：損失函數； 訓練模型目標：最小化損失函數，優化方法求解優化問題； 2. 模型評價 訓練集、測試集上的平均誤差：主要關注測試集上的平均誤差； 3. 模型優化 3.1 增大模型複雜度 隨着模型複雜度的增加，訓練集上的平均誤差逐漸減小，測試集上的平均誤差先減小後增大，過於複雜的模型會出現過擬合現象； 3.2 考慮隱變量 不同的隱變量取值，建立不

>>阅读原文<<