![](https://img-blog.csdnimg.cn/20200619220156242.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
西瓜书笔记
以西瓜书为参考,逐渐解读作者对机器学习以及深度学习的理解。
jack_jay_du
这个作者很懒,什么都没留下…
展开
-
周志华《机器学习》第二章 模型评估与选择——比较检验
周志华《机器学习》(西瓜书)目录https://editor.csdn.net/md?articleId=106864771—————————————————————————————————比较检验统计假设检验(hypothesis test)为我们进行学习器t性能比较提供了重要依据。假设检验交叉验证 t 检验McNemar 检验Friedman检验与 Nemenyi后续检验假设检验由于泛化错误率与测试错误率比较接近,因此,可根据测试错误率估推出泛化错误率的分布。泛化错误率为ϵ\e原创 2020-06-22 21:51:13 · 1335 阅读 · 1 评论 -
周志华《机器学习》第二章 模型评估与选择——性能度量
周志华《机器学习》(西瓜书)目录https://editor.csdn.net/md?articleId=106864771—————————————————————————————————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(performance measure).错误率与精度查准率、查全率与F1ROC 与 AUC代价敏感错误率与代价曲线数据集:学习器:f回归任务最常用的性能度量是"均方误差"原创 2020-06-21 18:50:14 · 485 阅读 · 0 评论 -
周志华《机器学习》第二章 模型评估与选择——模型评估方法
周志华《机器学习》(西瓜书)目录https://editor.csdn.net/md?articleId=106864771————————————————————————模型评估方法通常, 我们可通过实验测试来对学习器的泛化误差进行评估并进而做出选择。留出法交叉验证法自助法调参与最终模型留出法“留出法” (hold-out)直接将数据集 D 划分为两个互斥的集合,其中一个集合作为训练集 S,另一个作为测试集 T, 即 D=SUT, S ∩\cap∩T=∅\varnothing∅ .原创 2020-06-20 12:12:23 · 301 阅读 · 0 评论 -
周志华《机器学习》第二章 模型评估与选择——经验误差与过拟合
周志华《机器学习》(西瓜书)目录https://editor.csdn.net/md?articleId=106864771————————————————————————模型评估与选择经验误差与过拟合评估方法性能度量比较检验偏差与方差经验误差与过拟合我们把学习器的实际预测输出与样本的真实输出之间的差异称为"误差"(error)。学习器在训练集上的误差称为"训练误差" (training error)或"经验误差" (empirical error) ,在新样本上的误差称为"泛化误差原创 2020-06-19 23:52:39 · 601 阅读 · 0 评论