科技巨头对人工智能的定位不仅是新技术，更是基础设施，为了铺设基础设施，科技巨头主要通过自主研发、收购两种方式布局。

Lasso回归的误差函数的惩罚项是学习参数的平方之和

岭回归的误差函数的惩罚项是学习参数的绝对值之和

正则化通过向损失函数增加惩罚项的方式对模型施加制约，以提高模型的泛化能力

采用不同的分割方案对数据集进行划分并进行验证，即所谓的“交叉验证”，可有效防止过拟合

对于超参数的设置可采用网格搜索法确定其最优值

对训练数据的预测效果很好，但对验证数据的预测效果不好的现象称为过拟合

t-SNE(t-Distributed Stochastic Neighbor Embedding)是一种将高维的复杂数据降为二维（或三维）的算法，用于低维空间的可视化

LLE(Locally Linear Embedding)可以将以弯曲或扭曲的状态埋藏在高维空间中的结构简单地表示在低维空间中

混合高斯分布对呈椭圆形分布的数据聚类效果较好，而k-means算法对从重心开始呈圆形分布的数据聚类效果较好

混合高斯分布通过使用多个高斯分布的线性组合来实现聚类