机器学习算法梳理（一）：基础扫盲&线性回归

基础扫盲 监督学习：训练数据有标记信息的学习 典型问题有回归、分类。 无监督学习：训练数据没有标记信息的学习 典型问题有聚类。 泛化能力：学得模型适用于新样本的能力 训练样本越多，就越有可能获得强泛化能力模型。 “偏差-方差分解”（bias-variance decomposition）是解释泛化性能的一种重要工具。 偏差（bias）：预测输出与标记间的差。描述算法本身的拟合能力。 方差（vari

>>阅读原文<<