努力学习一下人工智能相关的内容吧～～
相关概念
机器学习有三种训练方法：监督学习、非监督学习、强化学习。
- 监督学习（Supervised Learning）：是一种目的明确的训练方式，你知道得到的是什么。它从有标记的训练数据中推导出预测函数。有标记的训练数据是指每个训练实例都包括输入和期望的输出。
- 特点：目的明确，需要带标签的训练数据，易评估效果。
- 无监督学习（Unsupervised Learning）：其是机器学习任务的一种。它从无标记的训练数据中推断结论。
- 特点：目的不明确，不需要给数据打标签，无法量化效果。
- 强化学习是机器学习的另一个领域。给定数据，学习如何选择一系列行动，以最大化长期收益。
- 泛化能力、泛化误差
- 欠拟合（underfitting）：模型不能在训练集上获得足够低的误差。即模型复杂度低，在训练集上就表现很差，不能学习到数据背后的规律。
- 一般发生在训练刚开始时，经过不断训练后会变好。
- 过拟合（overfitting）：训练误差和测试误差之间的差距太大。即模型复杂度高于实际问题，模型在训练集上表现很好，但在测试集上却表现很差。模型对训练集”死记硬背”（记住了不适用于测试集的训练集性质或特点），没有理解数据背后的规律，泛化能力差。
- 马尔科夫决策树