- 博客(2)
- 收藏
- 关注
RSS订阅原创 机械学习笔记
在某种损失函数度量下，训练集上的平 均误差被称为训练误差，测试集上的误 差称为泛化误差，这就说明了：由于样本不平衡的问题，导致了得到的高准确率结果含有很大的水分。验证集评估出来的效果并非模型的最终效果，主要是用来调整超参数的，模型最终效果以测。超参数越少，或者超参数很容易调整，那么可以减少验证集的比例，更多的分配给训练集。的高准确率，但实际上我们并没有很用心的分 类，只是随便无脑一分而已。对于大规模样本集（百万级以上），只要验证集和测试集的数量足够即可。举个简单的例子，比如在一个总样本中，正样本占。
2024-09-17 15:41:09
325
原创 机器学习笔记
习，通过估计数据的概率分布 来构建预测模型，实现知识发 现。读数据、从变化的角度和时间维度把握需求以确定使用哪些数据，这是数据分析的基础。有效的机器学习结果会改善客户业务决策的效果，给客户带。选择合适的建模方法或算法，算法的好坏需要实验比较确定。联合概率分布来生成新数据，能揭示数据间的内在关系。对各类人群的深入分析，为相关部门制订资费、服务、市场。此阶段是机器学习的核心部分，使用精巧复杂的分析方法从。算法本身没有绝对的好坏，不同的机器学习算法都有各自的。的信息，使得学习到的模型更 为准确和泛化能力强。
2024-09-08 13:01:21
272
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人