機器學習中對假設的評價

在機器學習中，按照Ng的說法，常見的做法是先使用一個簡單的模型來進行計算，然後找到其中容易出現的問題和樣本的一些特徵，解決之後再使用較爲複雜的模型，這樣會比較節省時間，下面介紹一些常見對假設進行評價的方法。 首先在機器學習中常見的對樣本的分類方式是60%的訓練集(Training Set)，20%的交叉驗證集(Cross Validation Set)，20%的測試集(Testing Set)。其

>>阅读原文<<