greenmoss的博客

本节课程幻灯片链接目录

本节课程幻灯片链接目录

目录

目录

目录1.误差来源：偏差(bias)和方差(variance)2.数理统计的相关内容3.不同模型对应的bias和variance4.如何处理underfitting和overfitting5.模型的选择5.1 交叉验证(Cross Validation)5.2 N折交叉验证(N-fold Cross Validation)1.误差来源：偏差(bias)和方差(variance)error有两个来源，一个来自bias（偏差），另一个来自variance（方差）；f^\hat ff^​为最佳的函数

应用场景股票预测：输入股市的历史数据，输出明天股市的预测值；无人驾驶：输入图片，输出方向盘的角度；产品推荐：输入使用者和商品，输出该使用者购买该商品的可能性；

视频链接：https://www.bilibili.com/video/BV1JE411g7XFRegression：函数输出为数值Classification：分类Supervised Learning：有监督学习，需要给机器做一些训练，需要有Labeled Data；Loss：损失函数，评价函数好坏，结果越小越好；机器需要找出Loss最低的函数；Reinforcement Learning：强化学习；Unsupervised Learning：无监督学习，给机器一堆数据，数据没有标注；