- 博客(3)
- 收藏
- 关注
原创 模型评估与模型参数选择
• 对于小规模样本集(几万量级),常用的划分比例: • 训练集:验证集:测试集=6:2:2 • 训练集:测试集==8:2、7:3 • 对于大规模样本集(百万级以上),只要验证集和测试集的数量足够即可。• 验证集有2个主要的作用: • 评估模型效果,为了调整超参数而服务 • 调整超参数,使得模型在验证集上的效果最好 • 说明: • 验证集不像训练集和测试集,它是非必需的。• 验证集评估出来的效果并非模型的最终效果,主要是用来调整超参数的,模型最终效果以测 试集的评估结果为准。,若某个模型的输 出?
2024-09-17 20:50:36 389
原创 机器学习中的统计学习理论
统计学习中偏差表示的准确性,方差反映模型的稳定性,合适的权衡是提高模型性能的关键。通过添加正则化项到模型的学习目标中,可以减少模型的复 杂度,从而避免模型在训练数据上过度拟合。无论是小规模数据集还是大规模数 据集,交叉验证都能有效应用,特 别在数据集较小时,通过交叉验证 可充分利用数据,提高模型精度。银行利用统计学习模型,如逻辑回归、SVM等,对信贷申请人的信用数据进行评估,有效预测违约风险,减少损失。在模型选择时,若无足够数据或理论支持复杂模型更优,则选择最简单的模型,即。
2024-09-07 19:41:44 587
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人