2.1 经验误差与过拟合 误差：学习器的实际预测输出与样本的真实输出之间的差异。在训练集上的误差称之为训练误差，在样本上的误差称之为泛化误差。 过拟合与欠拟合：用图说明。 2.2 评估方法 如何评估泛化误差：使用测试集来测试模型对新事物的学习能力。本节使用下列方法将测试集划分为训练集和测试集。

1.1 引言 机器学习：是一门致力于研究如何通过计算的手段，利用经验来玫善系统自身的性能的学科。叽里咕噜说啥呢 引自菜鸟教程：机器学习（Machine Learning）是人工智能（AI）的一个分支，它使计算机系统能够利用数据和算法自动学习和改进其性能。 1.2 基本术语 数据集：数据的集合。 样本

2026.2.2 本着还学过机器学习和之后学习深度学习的原则，本系列做一个简单的整理，也不知道写了这个之后会写多少，总之写多少写多少吧好歹也要用一用这个一年99的服务器啊。 内容以学过的、看得懂的为主就是说那些复杂的数学公式和底层逻辑都没有，梳理重要概念，简述重要模型。 那么就先写这么多吧！反正要改

在大三学习《机器学习》这门课程的时候，笔者对于L1、L2正则化并没有过多的深入讲解，只知道L0、L1产生稀疏的解，L2会产生稠密的解。以至于我在复习阶段一直以为是一特有的东西呢还不是不认真看书，明明书上讲了 最近在学习《深度学习》这门课程，由于课程之间融会贯通，再次碰到了这俩兄弟，于是我在查阅了相关