奥卡姆剃刀原理
奥卡姆剃刀原理是指，在科学研究任务中，应该优先使用较为简单的公式或者原理，而不是复杂的。
应用到机器学习任务中，可以通过减小模型的复杂度来降低过拟合的风险，即模型在能够较好拟合训练集（经验风险）的前提下，尽量减小模型的复杂度（结构风险）。
相关阅读
根据Andrew Ng的Lecture notes, 我重新整理了梯度下降（including LMS/BGDSGD）的相关知识。 首先，引入一个例子， 假设我们现在有一个数
一、基本概念决策树的定义：首先，决策树是一种有监督的分类算法——即给定X，Y值，构建X，Y的映射关系。不同于线性回归等是多项式，决策树是
目录 1、基本概念 2、数据集划分方法 2.1、留出法 2.2、交叉验证法 2.3、自助法 2.4、调参 3、性能度量 3.1、 查
https://mp.weixin.qq.com/s?__biz=MzI4MjM4Mzg3Ng==&mid=2247483821&idx=1&sn=19c82810cdca9fd82ece1b2b73e064ed&chksm=eb9b82c
线性回归 - 机器学习多元线性回归 - 一步一步详解 - P
目录 数据导入 单变量线性回归 绘制散点图 相关系数R 拆分训练集和测试集 多变量线性回归 数据检验（判断是否可以做线性回归） 训练