摘要：
1. 参数调整 每个机器学习算法包含一系列参数，勇于调整算法来控制模型。一般来说随着算法复杂度的增加，调整参数会越多，更难于理解。下面几个例子为流行的分类算法调参方法： 1）逻辑回归：无 2）knn：要平均的近邻数目 3）决策树：划分标准、树的最大深度、划分需要的最少样本数。 4）核函数SVM：核函 阅读全文
摘要：
1.过拟合与乐观模型 有监督学习的基本目标是准确预测，当对模型进行性能评估时，需要确定模型对新数据的性能如何。即需要一个指标来确定预测的泛化能力如何。对于回归问题来说，标准评价指标是均方误差（Mean Squared Error）。它是目标变量真实值和预测值之差的平方和的均值。参看下图（学习自 Re 阅读全文