内容来自于机器学习课程

Deciding what to try next

Machine learning diagnostic

Evaluating a Hypothesis

将数据集分为训练集和测试集

从训练集来获取参数

在测试集中计算error

Misclassification error — 0/1 misclassification error 误分类率

Model Selection and Train/Validation/Test Sets

模型选择 训练集 验证集 测试集

cross validation 交叉验证

Diagnosing bias vs. variance

偏差和方差

Regularization and Bias/Variance

选择lambda：

Learning curves

对高bias的情况来说，更多的训练数据并不会有什么帮助

但是对于高方差的算法而言，更多的训练集有用

Deciding what to do next visited

小型的神经网络容易欠拟合

大型神经网络容易过拟合，但是可以通过正则化来修正。