模型

归纳(Induction)与演绎(Deduction)

归纳是从特殊到一般的泛化(Generalization)过程;

演绎是从一般到特殊的特化(Specialization)过程;

---

过拟合(Overfitting)与欠拟合(Underfitting)

---

可理解性(Intelligibility)与可操作性(Operability)

---

懒惰学习(Lazy Learning)和急切学习(Eager Learning)

---

机器学习中的模型划分

近邻模型(Nearest Neighbor)

树模型(Tree)

规则模型(Rule)

线性模型(Linear)

矩阵分解模型(Matrix Factorization)

神经网络模型(Neural Network)

支持向量机模型(Support Vector Machine)

概率图模型(Probabilistic Graphical)

概率图模型分为贝叶斯网络(Bayesian Network)和马尔可夫网络(Markov Network)两种;

---

参数(Parameter)

---

评估(Evaluation)