用递归算法计算组合式结果

试用一个递归算法，来计算组合式的结果：组合的数学定义为以下：

def combine(m, n):
    if m == n or n == 1:
        return 1
    return combine(m - 1, n) + combine(m - 1, n - 1)
print(combine(5, 3))

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7522209
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：【图像融合】图像融合质量评价方法的研究
• 除此之外, 这篇博客: 机器学习_欠拟合和过拟合相关知识、问题及解决方法中的 如何解决过拟合： 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  
• 1. 重新清洗数据，数据不纯会导致过拟合，此类情况需要重新清洗数据或重新选择数据。
  2. 增加训练样本数量。使用更多的训练数据是解决过拟合最有效的手段。 我们可以通过一定的规则来扩充训练数据，比如在图像分类问题上，可以通过图像的平移、旋转、缩放、加噪声等方式扩充数据;也可以用GAN网络来合成大量的新训练数据。
  3. 降低模型复杂程度。适当降低模型复杂度可以避免模型拟合过多的噪声数据。在神经网络中减少网络层数、神经元个数等。
  4. 加入正则化方法，增大正则项系数。给模型的参数加上一定的正则约束，比如将权值的大小加入到损失函数中。
  5. 采用dropout方法，dropout方法就是在训练的时候让神经元以一定的概率失活。
  6. 提前截断（early stopping）。
  7. 减少迭代次数。
  8. 增大学习率。
  9. 集成学习方法。集成学习是把多个模型集成在一起，来降低单一模型的过拟合风险，如Bagging方法。
• 您还可以看一下 吴刚老师的【吴刚大讲堂】电商视觉的排版与应用方法课程中的 订单页面的表单视觉优化及细节处理方法小节, 巩固相关知识点