MATLAB算法实战应用案例精讲-【数模应用】漫谈机器学习（二）

目录

几个高频面试题目

机器学习中的模型评价、模型选择与算法选择 

基本的模型评估项和技术

Bootstrapping 和不确定性

交叉验证和超参数优化

机器学习的发展历程

知识储备

机器学习常用术语

算法原理 

1. 什么是机器学习？

机器学习和人工智能的关系

机器学习的工作方式

机器学习所处的位置

机器学习的实际应用

机器学习的算法

机器学习的组成

学习 V.S. 智能

机器学习世界的版图

分类算法

算法应用 

几个高频面试题目

机器学习中的模型评价、模型选择与算法选择 

基本的模型评估项和技术

机器学习已经成为我们生活的中心，无论是作为消费者、客户、研究者还是从业人员。无论将预测建模技术应用到研究还是商业问题，我认为其共同点是：做出足够好的预测。用模型拟合训练数据是一回事，但我们如何了解模型的泛化能力？我们如何确定模型是否只是简单地记忆训练数据，无法对未见过的样本做出好的预测？还有，我们如何选择好的模型呢？也许还有更好的算法可以处理眼前的问题呢？

1.1 性能评估：泛化性能 vs. 模型选择

让我们考虑这个问题：「如何