本文探讨了如何改进机器学习模型，强调了诊断方法的重要性。介绍了评估算法、模型选择、偏差与方差分析以及正则化的概念。通过学习曲线、误差分析等方法，帮助选择合适的方向来提升模型性能。
找到修炼的方向
引言
本文旨在帮助找到改善机器学习模型的方向。
机器学习的模型算法固然重要，但参数更加是影响模型准确性的重要因素。有些人可能没有完全理解怎样运用这些算法。因此总是把时间浪费在毫无意义的尝试上。
以此在设计机器学习的系统时，选择一条最合适、最正确的道路去尝试，可以节约很多时间，不会像乱飞的苍蝇一样。
改进算法
我们以线性回归为例：
m i n θ 1 2 m ∑ i = 1 m ( h θ ( x ( i ) ) − y ( i ) ) 2 + λ ∑ j = 1 n θ j 2 min_\theta\ \dfrac{1}{2m}\ \sum_{i=1}^m (h_\theta(x^{(i)}) - y^{(i)})^2 + \lambda\ \sum_{j=1}^n \theta_j^2 minθ 2m1 i=1∑m(hθ(x(i))−y(i))2+λ j=1∑nθj2
当我们运用训练好了的模型来预测未知数据的时候
最低0.47元/天 解锁文章
扫一扫
6647
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
