机器学习面试题目1
需积分: 14 57 浏览量
2018-10-18
17:25:53
上传
评论
收藏 34KB DOCX 举报
有监督学习和无监督学习的区别
有监督学习：对具有标记的训练样本进行学习，以尽可能对训练样本集外的数
据进行分类预测。（）
无监督学习：对未标记的样本进行训练学习，比发现这些样本中的结构知识。
正则化
正则化是针对过拟合而提出的，以为在求解模型最优的是一般优化最小的经验
风险，现在在该经验风险上加入模型复杂度这一项（正则化项是模型参数向量
的范数），并使用一个 比率来权衡模型复杂度与以往经验风险的权重，如
果模型复杂度越高，结构化的经验风险会越大，现在的目标就变为了结构经验
风险的最优化，可以防止模型训练过度复杂，有效的降低过拟合的风险。
奥卡姆剃刀原理，能够很好的解释已知数据并且十分简单才是最好的模型。
过拟合
如果一味的去提高训练数据的预测能力，所选模型的复杂度往往会很高，这种
现象称为过拟合。所表现的就是模型训练时候的误差很小，但在测试的时候误
差很大。
产生的原因
过拟合原因
样本数据的问题。
剩余35页未读，继续阅读
资源评论
