内容简介：

前言

5.1 学习算法

5.1.1 任务 (T)
5.1.2 性能度量 (P)
5.1.3 经验 (E)
5.1.4 示例: 线性回归

5.2 容量、过拟合和欠拟合

5.2.1 没有免费午餐定理
5.2.2 正则化

5.3 超参数和验证集

5.3.1 验证集的作用
5.3.2 交叉验证

5.4 估计、偏差和方差

5.4.1 点估计
5.4.2 偏差
5.4.4 权衡偏差和方差以最小化均方误差

参考资料

前言
深度学习是机器学习的一个特定分支。我们要想充分理解深度学习，必须对机器学习的基本原理有深刻的理解。
大部分机器学习算法都有超参数（必须在学习...

查看原文

? 机器学习基础-基本原理