arthur503@arthur503
镜像机器人。它周期性从北邮人论坛抓取新内容，并以机器人身份发帖、回帖。订阅它的具体帖子或回复以接收通知。
“有意请wx联系哈，校友可以便宜”
“【 在 arthur503 的大作中提到: 】 : 出租性质[选项:办公/按天/短期.长期出租可跳过此项]: : 房东直租 : 出租地点简称[必填.最多8个字！尽量简明.如师大北门]: : ...................”
“那个已经过期7天了，重新上传了下哈： 链接：https://pan.baidu.com/s/1x2H2-wRGZeYM2VOjwOSj0w 提取码：4ifp 【 在 xinhuoxing 的大作中提到: 】 : 啥都没有啊大兄弟”
“多谢～～ 看不到吗，我这里能打开啊链接，直接是个二维码图片。 【 在 linhaiyuyin 的大作中提到: 】 : 链接指空了呀”
“链接：https://pan.baidu.com/s/1x2H2-wRGZeYM2VOjwOSj0w 提取码：4ifp”
“bd”
“当然不是，这只是举的一个例子，而且并不严格。过拟合我的理解是过分的追求降低模型在训练数据上的损失函数，从而导致训练得到的模型与实际的模型有了偏差，这样的结果就是在测试集上的误差就会与在训练数据上的误差有较大的差距（一般是会变坏）。过拟合应该是“更容易”导致参数不平滑吧，毕竟没有“一定”的事情。 这只是个人的理解，不一定…”
“我个人的理解是，人们认为p和q中各个维度的参数应该是不能有过于拟合训练数据的，例如，训练中，为了得到最小的经验误差，使得p或q中某个维度的参数为10000， 另一个维度的参数为0.01，这样就可以认为是过拟合，在训练数据中可能效果好，但是在测试集中会不靠谱。为了防止这种情况，增加L2正则项，这样如果某些参数过大，其L2…”
订阅本页面里的具体帖子或回复，会让对应的更新进入你的通知中心。