《機器學習》周志華 讀書筆記

第一章：緒論 泛化能力：學到模型適用於新樣本的能力。衍生：泛化偏差算法 概括偏好：算法在機器學習過程當中對某種假設的偏好bootstrap 「奧卡姆剃刀」原則：如有多個假設與觀察一致，則選最簡單的那個機器學習 NFL定理：沒有免費的午飯。算法沒有優劣好壞，針對具體問題具體分析工具 第二章：模型評估與選擇 2.1經驗偏差與過擬合P23 過擬合：爲了獲得一致假設而使假設變的過分複雜。模型過分擬合，在訓

>>阅读原文<<