丽江市网站建设_网站建设公司_博客网站_seo优化

1.频率模型和贝叶斯模型

频率模型和贝叶斯模型从两个视角来看待概率，前者认为参数是固定的数据是随机的，后者刚好反过来。

2.p3-4针对机器学习可以解决的问题以及可以学习的问题进行了阐述

3.p5

模型的选择

根据数据分布的不同：参数模型和非参数模型（区别是全局适用和局部适用）

根据模型构建的不同：数学模型和算法模型（区别是精度和可解释性）

根据学习对象的不同：生成模型和判别模型（区别是联合分布和条件分布）

4.p6

原则

无免费的午餐：具体问题具体模型

奥姆剃刀：相同性能尽量简单

模型过于简单会造成偏差大，欠拟合，过于复杂方差大过拟合

5.模型的验证

验证和测试的不同在于前者为了超参数后者为了确定参数的优劣。

6.模型评估

有precision recall roc曲线