如何评估一个算法？
分成训练集、交叉验证集和测试集；在训练集上得到多组模型后，在交叉验证集上计算交叉验证误差，选取代价函数值最小的模型，在测试集上计算推广误差：代价函数、误分率等。
一般算法不理想，要么是偏差大（欠拟合），要么是方差大（过拟合）。
如何判断是高方差还是高偏差？（画图）
方差、偏差和多项式次数的关系：
通常会选择正则化方法来防止过拟合。方差、偏差与正则化参数的关系：
有哪些方法改进算法：
类偏斜的误差度量：
类偏斜情况表现为我们的训练集中有非常多的同一种实例，只有很少或没有其他类的实例，如预测癌症是否是恶性的训练集，只会有0.5%的实例是恶性肿瘤。，如何度量这种情况的误差呢？用查准率和查全率：
查准率又叫精确率，查全率又叫召回率。
未完待续。。。