奥卡姆剃刀定律 一、总结 一句话总结： 奥卡姆剃刀：如无必要，勿增实体。 奥卡姆剃刀定律在企业管理中可进一步深化为简单与复杂定律：把事情变复杂很简单，把事情变简单很复杂。 奥卡姆剃刀定律要求，我们在处理事情时，要把握事情的主要实质，把握主流，解决最根本的问题。尤其要顺应自然，不要把事情 ...

。 误差 泛化：机器学习的目的是在新的输入上具有良好的表现，而不是已有的数据，这很好理解，在 ...

能力，追求这种泛化能力始终是机器学习的目标。 　　过拟合和欠拟合是导致模型泛化能力不高的两种常见原因， ...

1 过拟合 1.1 过拟合的定义 当学习器把训练样本学的太好了的时候，很可能已经把训练样本自身的一些特点当作了所有潜在样本都会具有的一般性质，这样就会导致泛化性能下降，这种现象成为过拟合 具体表现就是最终模型在训练集上效果好，在测试集上效果差。模型泛化能力弱。 1.2 过拟合的原因 ...

如无必要，勿增实体。 过早的优化是万恶之源。 背景 一个抽奖活动，要求在展示奖品股票时，显示股票价格。开发在实现这个功能的时候，用redis缓存每只股票的价格，每两小时调用行情服务更 ...

　　机器学习是利用模型在训练集中进行学习，在测试集中对样本进行预测。模型对训练集数据的误差称为经验误差，对测试集数据的误差称为泛化误差。模型对训练集以外样本的预测能力称为模型的泛化能力。 　　欠拟合(underfitting)和过拟合(overfitting)是模型泛化能力不高的两种常见原因 ...

过拟合、欠拟合以及解决方法 训练误差和泛化误差 在机器学习中，我们将数据分为训练数据、测试数据（或者训练数据、验证数据、测试数据，验证数据也是训练数据的一部分。）训练误差是模型在训练数据集上表现出来的误差，泛化误差（也可称为测试误差）是在测试数据集上表现出来的误差的期望。，例如线性回归用到 ...

过拟合与欠拟合 目录 一、 过拟合（overfitting）与欠拟合（underfitting） 2 1. 过拟合 3 2. 欠拟合（高偏差） 3 3. 偏差（Bias） 3 4. 方差（Variance ...