recall、precision、accuracy

L1与L2正则化

更小的权值，从某种意义上讲，表示网络的复杂度更低，对数据的拟合刚刚好（这个法则也叫作奥卡姆剃刀）简单理解就是，权重变小了，表示模型对每个参数样本的依赖性就不那么大了，就减小了过拟合； 另，可参考：https://morvanzhou.github.io/tutorials/machine-learning/ML-intro/3-09-l1l2regularization/ L1倾向于把一些参

先验分布、后延分布、极大似然估计

参考：https://www.zhihu.com/question/24261751 先验概率：实际中经验所得的概率； 后验概率：知果求因，即条件概率P(A|B) 极大似然估计：已知某事件发生，其概率应最大 用“瓜熟蒂落”这个因果例子，从概率（probability）的角度说一下，先验概率，就是常识、经验所透露出的“因”的概率，即瓜熟的概率。应该很清楚。后验概率，就是在知道“果”之后，去推测“