機器學習基石系列六

過擬合 噪聲數據和過高的VC維容易造成過擬合 過擬合處理：過於擬合訓練數據，泛化誤差比較大 泛化誤差 L1與L2泛化比較 三個學習原則 奧卡姆剃刀：簡單模型更有效，複雜模型容易過擬合 抽樣偏差:樣本抽樣不均勻，結果必然偏差（garbage in，garbage out，沒有免費的午餐 ） 數據驅動 Comments

>>阅读原文<<