- 博客(4)
- 资源 (10)
- 收藏
- 关注
翻译 机器学习模型评价(Evaluating Machine Learning Models)-主要概念与陷阱
机器学习模型评价(Evaluating Machine Learning Models)-主要概念与陷阱 本文主要解释一些关于机器学习模型评价的主要概念,与评价中可能会遇到的一些陷阱。如训练集-验证集二划分校验(Hold-out validation)、交叉校验(Cross-validation)、超参数调优(hyperparameter tuning)等。这三个术语都是从不同的层
2015-10-31 22:46:59 91484 3
原创 机器学习中防止过拟合的处理方法
在进行数据挖掘或者机器学习模型建立的时候,因为在统计学习中,假设数据满足独立同分布,即当前已产生的数据可以对未来的数据进行推测与模拟,因此都是使用历史数据建立模型,即使用已经产生的数据去训练,然后使用该模型去拟合未来的数据。但是一般独立同分布的假设往往不成立,即数据的分布可能会发生变化,并且可能当前的数据量过少,不足以对整个数据集进行分布估计,因此往往需要防止模型过拟合,提高模型泛化能力。
2015-10-26 20:58:12 149760 18
原创 在分类中如何处理训练集中不平衡问题
在分类中如何处理训练集中不平衡问题,在很多机器学习任务中,训练集中可能会存在某个或某些类别下的样本数远大于另一些类别下的样本数目。即类别不平衡,为了使得学习达到更好的效果,因此需要解决该类别不平衡问题。
2015-10-25 23:09:39 135843 14
计算机硬件知识
2011-10-30
数据结构算法的实现(其中有flash播放)
2011-10-30
程序设计实践(ACM)
2011-10-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人