机器学习基石16 Three Learning Principles

转载时请标明本文链接和作者，谢谢合作！

微信号: 机器学习小蜜蜂

本篇是机器学习基石的最后一课。主要介绍机器学习中非常重要，极其容易被忽略的三个原则。

机器学习三原则

Occam’s Razor

entia non sunt multiplicanda praeter necessitatem

(entities must not be multipliedbeyond necessity)—William of Occam (1287-1347)

对应到机器学习中，Simple Model First (linear first)

Sampling Bias

If the data is sampled in a biased way, learning will produce a similarity biased outcome

应当避免采样偏见，特别是验证时的偏见。

Data Snooping

If a data set has affected any step in the learning process, its ability to assess the outcome has been com- promised.

特别要避免人眼窥探数据。

careful balance between data-driven modeling (snooping) and validation (no-snooping)

Next

小结

本篇介绍机器学习中的三个重要原则。

至此，机器学习基石课告一段落，后续会推出机器学习实战系统，敬请期待!

最后，由衷感谢林老师，看完这个课程，醍醐灌顶。

参考：

1. 本文截图来自林田轩老师的课件

感谢你关注“机器学习小蜜蜂”，期待你的留言和建议。