给定样本充足情况下，进行模型选择的简单方法是随机将数据分为三部分：训练集、验证集、测试集，训练集用来训练模型，验证集用于模型的选择，测试集用于最终对学习方法的评估。
当数据不充足的情况下， 模型选择的另一种方法是交叉验证。基本思想是重复使用数据。常见的有简单交叉验证、S折交叉验证和留一交叉验证。
这一章讲狄利克雷分布，这个分布看起来洋气，其实也不难，只是密度函数看起来太丑了。 389页有个图讲各种分布的关系，很好理解。所谓狄利克雷分布就是贝塔分布的推广，多项式分布是二项分布的推广，二项分布是伯努利实验的描述，贝塔分布是连续伯努利实验的描述，所以狄利克雷分布和多项式分布是描述同一类实验，不过一个是连续的，一个是离散的。
输入变量和输出变量均为连续变量的预测问题称为回归问题，如函数拟合；输出变量为有限个离散变量的预测问题称为分类问题，学习出的分类模型或分类决策函数称为分类器（classifier）；输入变量与输出变量均为变量序列的预测问题称为标注问题，如词性标注，输入词序列，输出是（词，词性）的标记序列。
对于二分类问题，常用的评价指标是精确率和召回率。通常以关注的类为正类，其他类为负类，分类器在测试数据集上的预测或正确或不正确，4中情况出现的总数分别记为：
- TP——将正类预测为正类数；
- FN——将正类预测为负类数；
- FP——将负类预测为正类数；
- TN——将负类预测为负类数
亲亲想要更多的辅导吗？需要专业老师的帮助吗？可以联系客服找Jessica哦，带给你不一样的服务
【Jessica说】
