第1章　防止過擬合

過擬合和欠擬合是機器學習的核心問題，而兩個核心問題的理解和解決，衍生出很多機器學習的基本思想。相比較來說，過擬合更應該引起人們的重視，因為欠擬合本身就已經很容易被發現，而過擬合則是模型擬合得足夠好，卻無法做出有效的預測。過擬合的廣為人知的表現就是訓練誤差小，而測試誤差大，如果只是這樣理解無法直接為算法設計提供指導，通過本章對理論的解讀，我們會發現交叉驗證、數據增強和正則化等降低過擬合手段的背后，都隱藏著更深的學習理論。