模型的改善與泛化（偏差方差與交叉驗證）

跟我一起機器學習系列文章將首發於公衆號：月來客棧，歡迎文末掃碼關注！ 上一篇文章筆者介紹了什麼是正則化，以及正則化爲什麼能夠緩解過擬合的原理。從上一篇文章的內容我們可以知道，越是複雜的模型越是可能產生過擬合的現象，這也就爲模型在其它未知數據集上的預測帶來了誤差。但是這些誤差來自哪裏，是怎麼產生的呢？知道這些誤差的來源後對改善我們的模型有什麼樣的幫助呢？下面這篇文章筆者就來介紹關於誤差分析以及模型選

>>阅读原文<<