1：处理异常值：比如adaboost 可能过度关注异常值，所以可以先过滤异常值
2：为标准化 使用 L1/L2正则化有失偏颇，标准化之前，对应不同尺度上的特征，可能权重就不一样，这样正则化对不同的特征惩罚力度不一样
3：线性回归，逻辑回归只能发现线性关系。除非人为的编码非线性关系（比如做一个x => x^2的映射）
4：未经标准化：回归系数不能说明不同维度之间相对重要程度，归一化之后，只能一定程度上说明：因为有相关关系的特征，权重会相互转移。
5：样本少于维度时应使用低方差方法：否则很容易过拟合
机器学习常见使用误区
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
推荐阅读更多精彩内容
- 注：题中所指的『机器学习』不包括『深度学习』。本篇文章以理论推导为主，不涉及代码实现。 前些日子定下了未来三年左右...
- 机器学习是做NLP和计算机视觉这类应用算法的基础，虽然现在深度学习模型大行其道，但是懂一些传统算法的原理和它们之间...
- 谷歌开发者机器学习词汇表：纵览机器学习基本词汇与概念 姓名：钟航 转载自：http://mp.weixin.qq....
- A 准确率（accuracy） 分类模型预测准确的比例。在多类别分类中，准确率定义如下： 在二分类中，准确率定义为...
