机器学习笔记（模型的评估与选择）

1. 评估方法

由于实际训练中无法直接获得泛化误差，而训练误差又由于过拟合现象的存在而不适合作为标准。因此在周志华的机器学习课本中写到以下几种评估方法。

1.1 留出法

简而言之就是将数据集划分为训练集(70%)和测试集(30%)，但是要注意以下几点 ：

1. 训练/测试集的划分要尽可能保持数据分布的一致性，避免因数据的划分过程引入额外的偏差而对最终结果产生影响（在广告预测中，假设样本数据的用户分别有中国人、美国人、朝鲜人、德国人，而划分数据集时将中国人和美国人的数据作为训练集，朝鲜人和德国人的数据作为测试集，这种做法将会引入额外的偏差。正确的做法是在每个国家中抽取百分之70作为训练集，剩下的作为测试集）

2. 分类任务中要保持样本的类别比例相似。

3. 使用留出法时，一般要使用若干次随机划分，每次产生一个训练/测试集用于实验评估，100次后就得到100个结果，而留出法返回的则是这100个结果的平均。

4. 另外值得一提的是，可以根据你的样本量来划分训练集和测试集。假设有1000000样本量，那么你可以将99%的样本划分为训练集，1%的样本做为测试集，因为10000个样本做为测试集已经足够。

1.2 交叉验证法

交叉验证法是将数据集$D$划分为$k$个大小相似的互斥子集。每个子集都尽可能保持数据分布的一致性（可以分层采样）。然后，每次用$k-1$个子集的并集作为训练集，余下的那个子集作为测试集；这样就可以获得$k$组训练/测试集，从而可进行$k$次训练和测试，最终返回的是这$k$个测试结果的均值。$k$最常用的取值是10，此时称为10折交叉验证。与留出法相似，为减小因样本划分不同而引入的差别，$k$折交叉验证通常要随机使用不同的划分重复$p$次，最终的评估结果过是这$p$次$k$折交叉验证结果的均值。

2. 性能度量

对学习器的泛化性能进行评估，不仅需要有效可行的实验估计方法，还需要有衡量模型泛化能力的评价标准，这就是性能度量。

2.1 错误率与精度

错误率是分类错误的样本数占样本总数的比例。见式1.1

E(f;D)=1m∑i=1mI(f(xi)≠yi)(1.1)