當我們成功實現乙個機器學習演算法並將其用於解決實際問題時，常常會發現它的效能
（分類、回歸準確度）達不到我們足夠滿意的狀態。在這種情況下，我們有以下六種選項
來提高當前演算法的效能
1 增加training set的數目 這種方法適合模型發生過擬合的情況
2 減小feature的數量（使用更少feature） 這種方法適合模型發生過擬合
3 增加feature的數量（使用更多feature） 這種方法適合模型發生欠擬合
4 增加多項式feature
這種方法適合發生欠擬合的模型
5 減小λ 適合欠擬合的模型
6 增大λ 適合過擬合的模型
注意以上幾點，就可以避免由於方向選擇的不對造成的時間浪費。
對神經網路而言，一般說來，層數多/每層節點數多的複雜神經網路的效能往往比簡答的神經網路效能好。
如果乙個神經網路欠擬合的話，可以考慮增加層數、增加每層節點數、減小λ。
反之，如果是過擬合的話，最佳選項是增大λ。
進一步提公升自己
你必須技術能力非常強，才會有選擇，現在考慮這些還為時過早。你還沒到選擇的十字路口，就是說你必須先到了十字路口再說。動手實踐能力 太多時間用來看書了等等。實踐是必須用，不然只能淪為了解。善用資源。問別人主動問比你在那裡看半年都管用。同事就是你的資源，整個公司的人都是你的資源。自己已經很少做業務上的聚焦...
Looper Handler進一步學習
package com.test.looper import android.os.bundle import android.os.handler import android.os.handlerthread import android.os.looper import android.os....
Sevlet進一步學習
request物件與response物件是tomcat建立的，不需要我們建立。requst物件的一些常用方法 獲取請求引數通用方式 不論get還是post請求方式都可以使用下列方法來獲取請求引數 string getparameter string name 根據引數名稱獲取引數值 username...