2401_83225143的博客

原创 scikit-learn基础用法

首先我们知道训练模型的目的是使得模型的泛化能力越来越强（泛化能力是指机器学习算法对新鲜样本的适应能力），在训练集上，我们不断进行前向转播和反向传播更新参数使得在训练误差越来越小，但是这并不能代表这个模型泛化能力很强，因为它只是在拟合一个给定的数据集（就好比做数学题用背答案的办法，正确率很高，但并不代表你学到了东西），那么如何评判这个模型泛化能力强呢？它将特征的值映射到一个给定的范围（默认为[0, 1]），通过对数据进行线性变换，使得数据落入指定的范围内，并且保留原始数据的分布关系。