- 博客(2)
- 收藏
- 关注
RSS订阅原创 课堂笔记：
1.小样本集（几万量级）：比例为6:2:2（训练集：验证集：测试集）。1.监督学习利用带有标签的输入输出二元组，非监督学习则没有输出标签。2.大数据样本集（百万级以上）：验证集和测试集各1w条数据。3.代码示例展示如何将数据集划分为训练集、验证集和测试集。2.使用精确率、召回率和F1分数等指标进行评估。3.使用训练集、验证集和测试集来避免过拟合。2.均方误差损失函数（MSE）用于度量效果。2.泛化误差是衡量模型泛化能力的标准。1.通过损失函数来衡量误差。
2024-09-17 15:17:35
190
原创 课堂笔记:
2.主要流程包括明确分析目标、数据收集、数据预处理、建模分析、结果评估、部署使用以及学习更新。1.推荐系统精准化、信贷风险评估、医疗图像诊断、股票趋势预测等领域的应用案例。1.包括基于内容的推荐算法、协同过滤推荐算法、基于矩阵分解的推荐算法等。1.统计学习的定义、偏差与方差权衡的重要性、正则化避免过拟合等基本概念。1.模型假设的重要性、数据分布影响假设、交叉验证验证假设等。：K-means、基于层次的聚类、基于划分的聚类等。1.模型、算法、策略的选择直接影响模型性能。：线性回归、逻辑回归、多项式回归等。
2024-09-07 19:21:31
190
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