一、監督學習偏差和方差就像飛鏢射到靶子上。每個飛鏢就是從不同資料集得出的**結果。高偏差、低誤差的模
型就是把飛鏢扔到了離靶心很遠的地方，但是都集中在乙個位置。而高偏差、高誤差的模型就是把飛
鏢扔到了靶子上，但是飛鏢離靶心也很遠，而且彼此間很分散。低偏差、高誤差的模型就是把飛鏢扔
到了離靶心很近的地方，但是聚類效果不好。最後就是低偏差、低誤差的模型，把飛鏢扔到了離靶心
很近的地方，聚類效果也很好
在理想情況下，模型具有低偏差和低誤差，但是二者具有背反特徵，即要降低乙個指標的時候，另一
個指標就會增加。這就是著名的偏差-方差均衡(bias-variance trade-off)。
二、無監督學習機器學習系統應該可以這樣評估：用系統在真實世界中發生錯誤的代價來表示效果評估方法。沒有誤差項要評估，其效果的是評估資料結構的一些屬性
真陽性 真陰性 假陽性 假陰性四個結果可以用來計算分類系統效果的評價體系，包括準確率（accuracy），精確率（precision）和召回率（recall）三項指標
tp是真陽性統計結果，tn是真陰性統計結果，fp是假陽性統計結果，fn是假陰性統計結果：準確率：
acc =tp + tn/(tp + tn + fp + fn)
精確率：
p =tp/(tp + fp)
召回率：
r =tp/(tp + fn)
機器學習 Random Forest演算法簡介
random forest是加州大學伯克利分校的breiman leo和adele cutler於2001年發表的 中提到的新的機器學習演算法，可以用來做分類，聚類，回歸，和生存分析，這裡只簡單介紹該演算法在分類上的應用。random forest 隨機森林 演算法是通過訓練多個決策樹，生成模型，然...
機器學習演算法與技術簡介
模型比較 lasso 對比機器學習技術參考 簡介 假設集是輸入空間上的超平面，目標函式是01error。演算法是每次更正錯誤直到沒有錯誤發生。h x s ign wtx wt 1 wt ynx n 優點 缺點 實踐建議 簡介 多層感知器 優點 缺點 實踐建議 簡介 假設集是特徵的線性組合，目標函式是...
機器學習部分演算法簡介
本篇所提到的優化演算法均為啟發式的優化演算法，這類優化演算法並不依賴於具體問題本身。因此，對絕大多數場景都可 即插即用 也正是因為這一點，這類演算法在很多情況下都不是最優的演算法。即對於具體問題而言，可能存在著其他更加高效率的演算法。比如對於凸優化問題來說，最速下降法 牛頓法 共軛梯度法等經典的非線...