機器學習算法梳理（一）：基礎掃盲&線性迴歸

基礎掃盲 監督學習：訓練數據有標記信息的學習 典型問題有迴歸、分類。 無監督學習：訓練數據沒有標記信息的學習 典型問題有聚類。 泛化能力：學得模型適用於新樣本的能力 訓練樣本越多，就越有可能獲得強泛化能力模型。 「偏差-方差分解」（bias-variance decomposition）是解釋泛化性能的一種重要工具。 偏差（bias）：預測輸出與標記間的差。描述算法本身的擬合能力。 方差（vari

>>阅读原文<<