- 博客(2)
- 收藏
- 关注
RSS订阅原创 模型评估与模型参数选择and监督学习 学习小结
（2）参数类型：超参数是在模型训练前设定的，用于控制模型训练过程的参数，如学习率、批量大小等 权重参数和偏置参数则是在模型训练过程中通过数据学习得到的，它们直接影响模型的预测结果。（3）选择方法：选择合适的模型参数通常基于模型在验证集上的表现，通过调整参数以优化某些性能指标（如准确率、召回率等）常用的技术包括网格搜索、随机搜索和贝叶斯优化等。（1）训练集：在机器学习和深度学习模型开发中扮演着核心角色，它的主要作用是提供足够的数据样本来训练模型，使模型能够学习到数据的特征和模式，从而进行准确的预测或分类。
2024-09-17 23:47:44
886
原创 2.1统计分析课堂笔记
生成模型适用于数据生成、异常检测等场景，如朴素贝叶斯、隐马尔可夫模型等，通过学习数据的 联合概率分布来生成新数据，能揭示数据间的内在关系，决策 边界。判别模型在分类任务中表现优越，具体选择需基于数据特性 和任务需求，如支持向量机、逻辑回归等，直接学习不同类别间的 最优决策边界，对分类问题高效且准确。交叉验证通过多次分割数据训练和测试模型，有效评估模型 的泛化能力，避免选择过度拟合训练数据的模型。统计学习中偏差表示模型的准 确性，方差反映模型的稳定性， 合适的权衡是提高模型性能的 关键。
2024-09-08 16:37:44
859
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