摘要
在20世纪80年代的时候,符号学习还是机器学习的主流,而自从20世纪九十年代以来,就一直是统计机器学习的天下.机器学习从纯粹的理论研究和模型研究发展到了解决现实生活中实际问题为目的的应用研究.机器学习算法赋予了机器学习的能力,学习的好坏可以用预设的误差函数来衡量.机器学习中可能存在过拟合或者欠拟合的问题,这影响着机器学习算法的好坏,本文对过拟合问题进行了研究,分析出了两种可以解决过拟合问题的方法.分别是使用充分的数据集,和使用合适复杂度的函数集.通过对统计机器学习基础理论的研究,得出了有关机器学习模型的建立的启示,在以后设计机器学习模型时可以作为参考.
NETL
NSTL
万方数据