骑公路喝茅台

摘要： 2.1 经验误差与过拟合 错误率 = a(分类错误的样本个数）/ m(样本个数） 精度 = 1 - 错误率 误差：实际预测输出与样本的真实输出之间的差异 训练误差（经验误差）：学习器在训练集上的误差 泛化误差：学习器在新样本上的误差 注：我们希望得到泛化误差小的学习器 过拟合：学习器的学习能力过于强 阅读全文

摘要： 注：文章内容主要来自崔斯特知乎 https://www.zhihu.com/people/cuishite/posts/posts_by_votes 1.饼图画法 2.直方图 3.坐标图 4.散点图 阅读全文

摘要： map() 传入的第一个值为函数，第二个为用于计算的列表 例如： 阅读全文