3-05 TensorFlow入门–过拟合以及训练集的大小
分类器经常会使用大量数据进行训练，但训练总是会带来一些问题：分类器可以非常好的识别那些见过的数据，一旦输入全新的数据，预测结果会变得非常差。这种情况在分类器中是普遍存在的，这是因为分类器总是偏向于记住这些训练数据而不是记住特征后推理新数据。我们将在这个章节讨论如何解决这种过拟合问题，以及选取多大的训练集比较合适。
阅读更多
文章
【转载】11_神经网络–线性回归与分类, 解决与区别
机器学习可以解决很多问题，其中最为重要的两个是 回归与分类。 这两个问题怎么解决， 它们之间又有什么区别呢？ 以下举几个简单的例子，以给大家一个概念
1. 线性回归
回归分析常用于分析两个变量X和Y 之间的关系。 比如 X＝房子大小 和 Y＝房价 之间的关系， X=(公园人流量，公园门票票价） 与 Y=(公园收入) 之间的关系等等。