泛化能力
引數與超引數
機器學習主要包括監督學習，無監督學習，強化學習；
監督學習是指從標註資料中學習**模型的機器學習問題。相反的，無監督學習是指從無標註資料中學習**模型的機器學習問題；
對於監督學習，如果標註是連續型資料，則問題屬於回歸問題；如果標註是離散型資料，則問題屬於分類問題；
連續和離散的判定標準是取值是否有限，取值有限的是離散型變數，取值無限的是連續型變數；
無監督學習的應用主要有兩個方面：樣本聚類和特徵降維；比如以下例子：
注意
分類問題和聚類問題的本質區別在於：分類屬於監督學習的範疇，而聚類屬於無監督學習的範疇
在模型訓練的過程中，模型的**輸出值不斷地擬合與逼近真實值，這是模型訓練的目標和使命；訓練模型的目的並不是為了**已知的訓練資料，而是要**未知資料，讓模型在未知資料上取得良好的**效果；模型在未知資料上的**效果越好，說明它的泛化能力越強。但如果一味地擬合訓練資料，就會導致模型過擬合；過擬合的反面是欠擬合，也就是模型對訓練資料的擬合程度不夠，導致在訓練資料上的誤差較大，這種情況下模型在測試資料上的表現一般也不好；
下面用乙個回歸問題反映3種不同模型的泛化能力：
對於乙個分類問題，模型的泛化能力簡單描述為（不同的顏色代表不同的類別）：
模型引數是可學習的，比如一次線性函式的斜率和截距；
模型的超引數是人為設定的，比如迭代次數epochs，即：模型在整個訓練集上重複訓練的次數。
第一課 linux基本概念及基本指令大全
sudo passwd root 對應著linux上的 dev tty裝置，linux提供6個命令列介面的terminal。開啟乙個終端的快捷鍵是alt ctrl t 切換6個終端 alt ctrl f1 f6 返回圖形介面 alt ctrl f7 按鍵作用 ctrl d 鍵盤輸入結束或退出終端 c...
Grep第一課 基本
首先檢視一下grep globally search a regular expression and prin t 的man手冊。會看到這個是用來和正規表示式結合起來搜尋文字的。man grep grep searches the named input files or standard inp...
開學第一課
因為是開學第一課，而且這是我的第一篇個人部落格，更何況還是技術部落格，所以我會認真對待，不過畢竟第一次，所以難免各方面會有不足，所以有任何的意見或建議都可以提出來以供本人提高。下面廢話少說，進入正題。使用quartus，新建乙個專案，建立乙個bdf檔案，雙擊bdf空白處，新增元件符號。找到 7413...