视频分类基本概念
- 过拟合 :1)简单理解就是训练样本的得到的输出和期望输出基本一致,但是测试样本输出和测试样本的期望输出相差却很大 。2)为了得到一致假设而使假设变得过度复杂称为过拟合。
- 全局变量与局部变量(1)全局特征就是任何你想学习的那个概念所对应的数据都具备的特征 (2)局部特征则是你用来训练机器的样本里头的数据专有的特征
- 造成过拟合的原因 就是指把学习进行的太彻底,把样本数据的所有特征几乎都习得了,于是机器学到了过多的局部特征,过多的由于噪声带来的假特征,造成模型的“泛化性”和识别正确率几乎达到谷点,于是你用你的机器识别新的样本的时候会发现就没几个是正确识别的.
- 解决方法:解决过拟合的方法,其基本原理就是限制机器的学习,使机器学习特征时学得不那么彻底,因此这样就可以降低机器学到局部特征和错误特征的几率,使得识别正确率得到优化.(1)增加数据量 (2)运用正规化