可迁移模型 · TRANSFERABLE MODEL

有效自由度:模型真实复杂度由约束决定,而非参数数量

参数数量只是表面复杂度。正则化、平滑、约束等操作会降低模型的有效自由度——即模型真正被数据「说服」的程度。Ridge回归有100个参数,但若正则化很强,其有效自由度可能只有10。
来源

《统计学习基础》第三章、第五章

可迁移到

评估任何系统的「真实复杂度」——项目的功能数量vs实际工作量、团队的人数vs有效产能、学习的内容量vs认知负荷。表面复杂度高不等于真实复杂度高,约束和框架能降低真实复杂度。

来自这本书的解读报告

《统计学习基础》

Trevor Hastie, Robert Tibshirani, Jerome Friedman · 统计学习 / 机器学习

这本书回答了高维复杂数据下如何平衡灵活性与泛化能力问题,答案是偏差-方差权衡框架下的正则化与模型平均

统计学习·机器学习·偏差方差·模型选择·正则化
阅读完整解读报告 →
PRESS YOUR OWN BOOK

找一本想读的书,解读出你自己的洞察

90 秒得到核心模型 · 行动接口 · 失效边界 · 三套 SOP

解读一本书 →