模型评估(交叉验证——针对回归和分类、均方误差MSE、精度、精确率、召回率、F值、K折交叉验证、如何解决过拟合——L2正则化与L1正则化、欠拟合、如何区分过拟合和欠拟合——学习曲线)
模型评估意义：定量地表示机器学习模型的精度1.交叉验证把获取的全部训练数据按照3:7或者2:8的比例分成两份：一份用于测试，一份用于训练，然后用前者来评估模型，检查训练好的模型对测试数据的拟合情况。像这样把全部训练数据分为测试数据和训练数据的做法称为交叉验证。（1）针对回归对于回归的情况，只要在训练好的模型上计算测试数据的误差的平方，再取其平均值就可以了。假设测试数据有n个，那么可以这样计算。这个