小星爷

正则化这部分是结合统计机器学习的（李航）和吴恩达的机器学习视频写的，有什么不对的地方欢迎指出啊！当数据量少，特征也少的时候，我们训练的模型是欠拟合，这时候我们会通过交叉验证来弥补。 当数据量少，特征非常多的时候，容易出现过拟合，这时要通过正则化调整。1. 过拟合还是来看预测房价的这个例子，我们先对该数据做线性回归，也就是左边第一张图。如果这么做，我们可以获得拟合数据的这样一条直线，但是，实际上这并

源博客参考：https://colah.github.io/posts/2015-09-Visual-Information/#fn1什么是熵，什么是信息熵？在机器学习中一直都很难理解，最近读了一篇博客，它用可视化的方法帮助我们更好的理解什么是信息熵。可视化概率分布首先举个例子，这个例子在后文中也会用到。假设我在重庆，有时候它会下雨，但是大多数时候是晴天，下雨的概率大概是25%，晴天的概率是...