《scikit-learn机器学习常用算法原理及编程实战》—3.8 复习题

3.8  复习题

　　1．什么是过拟合？什么是欠拟合？怎么样去诊断算法是否过拟合或欠拟合？

　　2．模型的拟合成本是什么意思？它和模型的准确性有什么关系？

　　3．我们有哪些指标来评价一个模型的好坏？

　　4．为什么需要交叉验证数据集？

　　5．什么是学习曲线？为什么要画学习曲线？

　　6．打开ch03.02.ipynb，运行这个示例代码。

　　7．参考ch03.02.ipynb，换成随机森林回归算法sklearn.ensemble.RandomForestRegressor来拟合曲线，并画出学习曲线。提示：读者可以阅读scikit-learn文档以获得帮助。不过不需要深入了解算法原理，由于scikit-learn提供了一致的接口，对大部分有编程经验的读者，这个任务不会是太大的障碍。

　　8．为什么需要查准率和召回率来评估模型的好坏？查准率和召回率适合哪些问题领域？