第 13 章 机器学习基础¶ Abstract 当规则太多、边界太模糊、环境还会不断变化时，人手写 if-else 很快就会追不上现实。机器学习（Machine Learning）把问题换成另一种问法：能不能从过去的例子里学出一套规则，再拿去处理没见过的新样本？ 本章用“校园活动推荐系统”串起机器学习的地基：什么叫从数据中学习，怎样区分监督学习和无监督学习，为什么模型会欠拟合或过拟合，怎样用交叉验证估计泛化能力，如何选择评估指标，以及特征工程和正则化为什么常常决定模型能走多远。 本章内容¶ 13.1 什么是机器学习 13.2 监督学习与无监督学习 13.3 偏差-方差权衡 13.4 交叉验证 13.5 模型评估指标 13.6 特征工程 13.7 过拟合与正则化 13.8 小结
