[人工智能]【吃瓜教程】随记第一篇

机器学习：将”经验“以”数据“的方式存储，产生模型算法-学习算法->产生模型-分析新的数据-给出判断。
1.有监督学习（标记样本）
预测连续值->回归
预测离散值->分类
2.无监督学习
聚类
泛化能力：适应新数据的能力

模型评估与选择
精度=1-E（a/m）
泛化误差：在新样本的误差
过拟合：学习太好，泛化能力下降（骄傲了）
欠拟合：学习差，还不能学

留出法：训练集S太大，T小，评估不准。留两个互斥的集合。2/3~4/5样本训练，剩下样本测试。
交叉验证法：十次十折交叉验证法
自助法：p=(1-1/m)^m=1/e 0.368

调参：三个参数，各有五个候选值。每一组训练/测试集有5^3=125个模型参考
性能度量：精度错误率查准率，查全率，F1 ,ROC与AUC，代价敏感错误率与代价曲线，比较检验（假设检验，交叉验证t检验，McNemar检验，Friedman检验与Nemenyi后续检验，偏差与方差）

笔记处处：Datawhale吃瓜教程
队名：春田花花幼儿园
参考文章：冰镇西瓜-陈默
非常感谢Datawhale的开源分享~~~~