1.过拟合-----欠拟合2.评估方法（1）数据集->训练集+测试集留出法：直接将数据集分为两个互斥的集合，其中一个集合作为训练集S，一个作为测试集T。注意：分层采样；若干次随机划分再取平均；常取约23\frac{2}{3}32~45\frac{4}{5}54的样本用于训练。交叉验证法：数据集D=D1∪D2∪...∪Dk,Di∩Dj=∅.D=D_1∪D_2∪...∪D_k,D_...
1.过拟合-----欠拟合
2.评估方法
（1）数据集->训练集+测试集
留出法：直接将数据集分为两个互斥的集合，其中一个集合作为训练集S，一个作为测试集T。
注意：分层采样；若干次随机划分再取平均；常取约 2 3 \frac{2}{3} 32~ 4 5 \frac{4}{5} 54的样本用于训练。
交叉验证法：数据集 D = D 1 ∪ D 2 ∪ . . . ∪ D k , D i ∩ D j = ∅ . D=D_1∪D_2∪...∪D_k,D_i∩D_j=∅. D=D1∪D2∪...∪Dk,Di∩Dj=∅.
每次选k-1个子集的并集作为训练集，剩下的做测试集=>可做k次训练，再将测试结果取均值。
自助法：
bootstrapping：再抽样。
m次再抽样，D->D’ : D’做训练集，D\D’做测试集。
适用：数据集较小，难以有效划分训练/测试集时。
缺：自助法产生的数据集改变了初始数据集的分布，会引入估计偏差。
2.调参和最终模型
调参：对每个参数选定一个范围和变化步长。
最终模型：在学习算法和参数配置已选定后，将数据集D重新训练模型=>要交给用户的最终模型。
3.性能度量
（1）回归任务（预测）常用均方误差： E ( f ; D ) = 1 m ∑ i = 1 m ( f (
最低0.47元/天 解锁文章
2289
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
