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