摘要：
交叉验证（Cross Validation） 在机器学习中，通常不能将全部数据用于模型训练，否则将没有数据集可以用来评估模型。 The Validation Set Approach 定义 将数据集划分成训练集（Training Set）和测试集（Test Set）两部分。 缺点 这种方法的缺点是依 阅读全文
摘要：
欠拟合（Underfitting） 定义 Bias较大、Variance较小。 如果模型在训练集上的误差很大，则此时Bias是大的，情况为欠拟合。 Bias大时如何处理 使用更复杂的模型，比如添加考虑更多维度的输入、把线性模型换成非线性模型。 过拟合（Overfitting） 定义 Bias较小、V 阅读全文
摘要：
模型选择（How to select model） 模型越复杂，一般其在训练集上的误差（Error）越小。 因为更复杂的模型（函数集）包含了更多的函数。比如二次模型包含了线性（一次）模型。 模型越复杂，其在测试集上的误差（Error）不一定越小。 因为模型过于复杂时，越容易被数据影响，可能导致过拟合 阅读全文
摘要：
回归模型应用案例（Regression Cases） 股票市场预测（Stock Market Forecast） 预测某个公司明天的股票情况 自动驾驶车（Self-Driving Car） 预测方向盘转动角度 推荐系统（Recommendation） 预测某用户购买某商品的可能性 线性回归模型（Li 阅读全文