pickle提供了一个简单的持久化功能。可以将对象以文件的形式存放在磁盘上。pickle模块只能在Python中使用，python中几乎所有的数据类型（列表，字典，集合，类等）都可以用pickle来序列化，pickle序列化后的数据，可读性差，人一般无法识别。------------------------------------------pickle.dum

http://blog.csdn.net/pipisorry/article/details/52108040机器学习中出现的非常频繁的问题有：过拟合与规则化。先简单的来理解下常用的L0、L1、L2和核范数规则化，最后聊下规则化项参数的选择问题。一般来说，监督学习可以看做最小化下面的目标函数）：θ∗=argminθ1N∑i=1NL(yi,f(xi;θ))+λ Φ(θ)

一：引言文章转载自小梦想大愿望　　因为在机器学习的一些模型中，如果模型的参数太多，而训练样本又太少的话，这样训练出来的模型很容易产生过拟合现象。在训练bp网络时经常遇到的一个问题，过拟合指的是模型在训练数据上损失函数比较小，预测准确率较高（如果通过画图来表示的话，就是拟合曲线比较尖，不平滑，泛化能力不好），但是在测试数据上损失函数比较大，预测准确率较低。　　常用的防治过拟合的方法是在模

pickle提供了一个简单的持久化功能。可以将对象以文件的形式存放在磁盘上。pickle模块只能在Python中使用，python中几乎所有的数据类型（列表，字典，集合，类等）都可以用pickle来序列化，pickle序列化后的数据，可读性差，人一般无法识别。------------------------------------------pickle.dum