m0_62682504的博客

1、泛化能力：是指机器学习算法对新鲜样本的适应能力。学习的目的是学到隐含在数据背后的规律，对具有同一规律的学习集以外的数据，经过训练的网络也能给出合适的输出，该能力称为泛化能力。通常通过测试误差来评价学习方法的泛化能力。2、欠拟合：泛化能力弱，做了很多题，始终掌握不了规律，不管遇到老题新题都不会做；解决欠拟合的方法：(1)增加特征项；(2)添加多项式特征;(3)减少正则项。过拟合：泛化能力弱，做了很多题，只会死记硬背，一到考试看到新题就蒙了；解决过拟合的方法：(1)...

①准备数据，对数据进行预处理。②计算测试样本点（也就是待分类点）到其他每个样本点的距离。③对每个距离进行排序，然后选择出距离最小的K个点。④对K个点所属的类别进行比较，根据少数服从多数的原则，将测试样本点归入在K个点中占比最高的那一类训练集：相当于上课学知识验证集：相当于课后的的练习题，用来纠正和强化学到的知识测试集：相当于期末考试，用来最终评估学习效果通常将数据集的80%作为训练集，20%作为测试集；通常需要在开始构建模型之前把数据集进行划分，防止数据窥探偏误，...

1、解决过程向计算机传入多组数据，设置标签，根据数据让计算机进行机器学习，运用相应模型解决问题，从而达到预测新数据的效果。2、有监督和无监督监督式学习根据已知的输入和输出训练模型，让模型能够预测未来输出。如果尝试去预测已知数据的输出，则使用监督式学习。监督式学习采用分类和回归技术开发预测模型。分类技术可预测离散的响应分类模型可将输入数据划分成不同类别。可以是二类别问题（是/不是），也可以是多类别问题（在多个类别中判断输入数据具体属于哪一个类别）如果数据能进行标记、分类或分为特定的组或类，则.

1、大数据是什么？（1）大数据(bigdata)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。（2）“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。（3）大数据（Bigdata）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，..