模型评估

机器学习（一）——基本概念、模型的评估与选择本文是基于西瓜书（第一、二章）的学习记录。提供了机器学习领域的基础知识和概念的概述、模型评估与选择等内容。西瓜书电子版：百度网盘分享链接

2.12 过拟合与欠拟合是什么？怎么解决？场景描述在模型评估与调整的过程中，我们往往会遇到“过拟合”或“欠拟合”的情况。如何有效地识别“过拟合”和“欠拟合”现象，并有针对性地进行模型调整，是不断改进机器学习模型的关键。特别是在实际项目中，采用多种方法、从多个角度降低“过拟合”和“欠拟合”的风险是算法工程师应当具备的领域知识。

小林打怪中

聚类算法（KMeans）模型评估方法（SSE、SC）及案例将相似的样本自动归到一个类别中，不同的相似度计算方法，会得到不同的聚类结果，常用欧式距离法；聚类算法的目的是在没有先验知识的情况下，自动发现数据集中的内在结构和模式。是无监督学习算法

【机器学习】模型常用评估指标向量的范数可以简单形象理解为向量的长度，或者向量到零点的距离，亦或是相应两个点之间的距离。因此范数通常会对应一个距离概念。