在学习liuyubobobo老师的机器学习入门课程，学习到8-10弹性网络有感。
到现在已经掌握了不少工具，已经有机会解决一些现实的问题了。
在观察弹性网的式子中，我发现一件很有趣的事情，L2和L1的优点相结合，得出的弹性网，很像是之前学习过的某些数据：
1.方差和偏差；
2.批量梯度下降，随机梯度下降和小批量梯度下降；
3.数据准确性与数据效率
都有一个共同点，儒家中庸思想中的“执两用中”，拿着两端找到中间的平衡点，在弹性网问题中是的，找到一种排除theta干扰和不排除重要的theta之间的平衡，在方差与偏差之间找到刚刚好的数据点，在效率与准确之间做衡量。我认为有一些共同之处，所以我再假设我将来遇到一个机器学习的问题，找到了一种工具1来解决这个问题，但是这个工具1自己却有缺点，又找到了另一种工具2能解决这个机器学习问题，也能避免工具1产生的问题，但自身也有些问题，这时候我想我可以“执两用中”，二者结合如同历代的先辈一般创造一个参数来衡量二者之间的程度，根据需求来调整你的“跷跷板”。
写下这篇文章来警醒自身，在创造几种工具都有些缺陷的情况，切勿陷入不知道选取何种工具的陷阱，优点我都要，缺点我少要。