機器學習.周志華《1 緒論 and 2 模型評估與選擇》

第一章：緒論 特徵向量、數據集、學習/訓練、樣例、分類、迴歸、聚類、 泛化能力：學到模型適用於新樣本的能力； 衍生：泛化誤差； 歸納偏好：算法在機器學習過程中對某種假設的偏好； 「奧卡姆剃刀」原則：若有多個假設與觀察一致，則選最簡單的那個； NFL定理：沒有免費的午餐。算法沒有優劣好壞，針對具體問題具體分析。 第二章：模型評估與選擇 2.1經驗誤差與過擬合P23 過擬合：爲了得到一致假設而使假設變

>>阅读原文<<