[深度之眼機器學習訓練營第四期]關於機器學習應用的一些建議

機器學習算法評估 模型評估 在整個機器學習任務的流程中，我們需要在數據集上訓練機器學習模型，找到一個比較「好」的假設。但是，有些假設在已知數據集上表現很好，在新數據上的性能卻很差，錯誤率比較高，這也就是我們常說的「過擬合」。那麼，我們如何解決這種類型的問題呢？ 一般來說，評價機器學習模型的性能，主要看模型在未知數據上的表現。因此，當我們拿到一個數據集以後，不能馬上進行模型的訓練，而是需要把數據集分

>>阅读原文<<