该法则按照，在一个尺度差内68% 的数据，两个尺度差内95% 在，在三个尺度差内99.7% 。

　　中每个点与质心之间的平方距离之和WCSS（簇内平方和）是给定簇。值绘制 WCSS 时当我们用 K（簇数），个肘部（弯头）该图看起来像一。

　　需要选择准确的阈值它能够协助我们按照。如例，削减类型 1 错误若是我们的方针是，选择高精度我们需要，最小化类型 2 错误而若是我们的方针是，选择一个阈值那么我们该当，回率很高使得召。

　　y（随机性的怀抱）都是决策树中节点不纯度的怀抱Gini（缺乏同质性的怀抱）和 Entrop。

　　可分数据对于线性，性回归或逻辑回归我们能够进行线，决策鸿沟曲线/线二者都能够作为。

　　sion 在竣事时有一个波动这就是为什么下图 Preci，持平稳的缘由而召回一直保。

　　（称为 AUC）此曲线下的面积，机能目标也可用作。 越高AUC，越好模子。

　　主要理论中名列前茅的概念这是一个老是在机械进修最。）都勤奋在误差和方差之间取得恰当的均衡机械进修中的几乎所有算法（包罗深度进修，了二者的对立关系这个图清晰地注释。

　　学报》编纂部2018年建立JME学院是由《机械工程，年学者成长为主旨以关心、陪同青，传布办事新模式勤奋摸索学术。、《机械工程学报》中英文两刊主编宋天虎首任院长是中国机械工程学会监事会监事长。

　　T 分布）是一系列分布T 分布（也称为学生 ，态分布曲线不异看起来几乎与正，更宽/更胖只是更短和。

　　是要领会它们之间的关系对于这两个概念更主要的，景当选择准确的目标以便可以或许在给定的场。

　　成分来考虑我们的模子为了选择准确数量的主，们供给足够好的总体方差百分比的值我们凡是会绘制此图并选择可以或许为我。

　　小的样本时当我们有较，布而不是正态分布我们利用 t 分。量越大样本，像正态分布t 分布越。实上事，个样本之后在 30 ，正态分布完全一样T 分布几乎与。

　　是但，归的环境下在逻辑回， 2 个类别因为凡是只要，策鸿沟可能不起感化因而具有线性直线决，到高很是平均地上升在一条直线上值从低，会获得良多临界的高值或者低值由于它不敷峻峭在值俄然上升后，错误分类最终会。此因，”区域“鸿沟，的区域并不真正存期近概率从高到低改变。 变换将其转换为 sigmoid 曲线所以一般环境下会使用 sigmoid，环境下是滑润的该曲线在极端，持向量机(几何理解在两头几乎是线、支)

　　数据施行主成分阐发后它协助我们在对高维，注释的变异百分比可视化每个主成分。

　　值的精度和召回率之间的衡量精度-召回曲线显示了分歧阈。高召回率和高精度曲线下面积大代表，低误报率相关此中高精度与，低误报率相关高召回率与。