m0_37347812的博客

平方误差损失函数和交叉熵损失函数分别适合什么场景

机器学习：准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线

alipy主动学习包

NLP — 隐马尔可夫HMM（EM算法（期望最大化算法））HMM超详细讲解+代码

参考：【机器学习】降维——PCA（非常详细）

前面一文讲述的了过拟合现象产生的原因，现在讲述过拟合现象如何解决：1 增加训练数据这是解决过拟合现象的根本办法，若没有过多的训练数据，我们可以自己增加一些假数据来在增加数据的数量，从而让模型的泛化能力增强。2 控制模型的复杂度过于复杂的模型容易造成过拟合现象。对于模型的设计而言，我们应该选择简单、合适的模型解决复杂的问题。3 降低特征的数量对于一些特征工程而言，可以降低特征的数量——删除冗余特征，人工选择保留哪些特征。这种方法也可以解决过拟合问题。4 L1 / L2 正则化L1 正则化在原