drop down menu

1.过拟合 究其根本我们训练模型，目的是预测也好，分类也好，希望的是无论输入的数据是否训练过，都要维持在高的准确率，就是说普适性。打个比方，我们学习数学的过程，这个过程其实就很像在训练我们大脑中的模型，我们做的练习题就时训练过程，参加考试就是测试模型，对于一个考试，A同学逻辑思维很好，通过平日的练习训练出了解题的逻辑，在考试中拿到了高分；B同学记忆力特别好，做过的每一道题都能记住，恰好这次考试考的题目他都做过，分数比A还高；又一次考试，A还是那些分，但是这次考的题目B都没做过，拿了低分。B同学的训练的模型只适用于他做过的题，而A同学的模型使用于所有题；那么B同学就属于过拟合了。 使训练数据拟合得比拟合基础分布更紧密的现象称为 过拟合 ，而用来对抗过度拟合的技术称为正则化。在前面的部分中，您在尝试使用Fashion-MNIST数据集时可能已经观察到这种效果。如果您在实验期间更改了模型结构或超参数，您可能已经注意到，如果神经元，层数和训练时期足够，即使测试数据的准确性下降，模型最终仍可以在训练集上达到理想的准确性。 同样我们平时思考，处理问题的时候也要知其然知其所以然，不要死记硬背、人云亦云，不然的话大脑也会过拟合，降低判断的准确性 2.训练误差和泛化误差 为了更清晰的理解上面的问题，我们需要区分训练误差（training error）和泛化误差（generalization

【推荐阅读】微服务还能火多久？>>> 漫游数据库简介 EndNote 在 Word 中插入文献都是保存为 域代码 的形式。 域代码中包含文献的大多数据信息 ， 也包含漫游数据库中引用的文献 。 当利用 EndNote 第一次格式化引文时，EndNote 会查找本地数据库的相应的文献。如果再次格式化文献， 同样 EndNote 也会在本地数据库中查找相应的文献，但是如果本地数据库不可用或者打不开，EndNote 会使用漫游数据库中的信息。 漫游数据库一般包含文献除了注释，摘要和图表之外所有信息，因此可以利用漫游数据库和同事分享文章，这样同事就不需要打开相应的数据库就可以查看文件。换句话说，如果没有漫游数据库，在其他电脑上打开文章，可能会出现错误，EndNote 找不引文和参考文献。 漫游数据库只是针对格式化的引文才起作用，如果是未格式化引文，需要本地数据库的支持才能格式化文章。 导出漫游数据库 有时候我们需要导出漫游数据库，导出漫游数据库的方法如下。 1. 打开 Word 文件 2. 在 Word 的 EndNote 工具栏，依次打开 Export to Endnote >> Export Traveling Library； 或者在 EndNote 中依次打开 Tools >> Cite While You Write >> Import Traveling Library