机器学习模型确认的思维导图：
个人理解：机器学习的任务是得到所需要的模型，模型包括算法公式及其参数。首先利用损失函数表示出预测数据和实际数据的残差，利用优化算法计算损失函数最小时的参数，即得到模型的参数。但是这样处理，往往得到的模型不是很理想，会出现过拟合、欠拟合的情况。这时，就需要对模型进一步检验（交叉验证、k折叠交叉验证等）以及参数调优，来提高模型的泛化能力。最终还需要对模型的性能进行定量评估。
相关文章：
相似解决方案
热门标签
机器学习模型确认的思维导图：
个人理解：机器学习的任务是得到所需要的模型，模型包括算法公式及其参数。首先利用损失函数表示出预测数据和实际数据的残差，利用优化算法计算损失函数最小时的参数，即得到模型的参数。但是这样处理，往往得到的模型不是很理想，会出现过拟合、欠拟合的情况。这时，就需要对模型进一步检验（交叉验证、k折叠交叉验证等）以及参数调优，来提高模型的泛化能力。最终还需要对模型的性能进行定量评估。
相关文章：